論文の概要: PLUS: Plug-and-Play Enhanced Liver Lesion Diagnosis Model on Non-Contrast CT Scans

• arxiv url: http://arxiv.org/abs/2507.03872v1
• Date: Sat, 05 Jul 2025 03:03:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.916209
• Title: PLUS: Plug-and-Play Enhanced Liver Lesion Diagnosis Model on Non-Contrast CT Scans
• Title（参考訳）: PLUS:非造影CTにおける肝病変診断モデル
• Authors: Jiacheng Hao, Xiaoming Zhang, Wei Liu, Xiaoli Yin, Yuan Gao, Chunli Li, Ling Zhang, Le Lu, Yu Shi, Xu Han, Ke Yan,
• Abstract要約: PLUSは、任意の3DセグメンテーションモデルのためのNCCT画像のFLL解析を強化するプラグイン・アンド・プレイフレームワークである。 結果:PLUSは病変レベルF1スコアを5.66%,悪性度F1スコアを6.26%,良性度F1スコアを4.03%改善した。
• 参考スコア（独自算出の注目度）: 21.598723671897766
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Focal liver lesions (FLL) are common clinical findings during physical examination. Early diagnosis and intervention of liver malignancies are crucial to improving patient survival. Although the current 3D segmentation paradigm can accurately detect lesions, it faces limitations in distinguishing between malignant and benign liver lesions, primarily due to its inability to differentiate subtle variations between different lesions. Furthermore, existing methods predominantly rely on specialized imaging modalities such as multi-phase contrast-enhanced CT and magnetic resonance imaging, whereas non-contrast CT (NCCT) is more prevalent in routine abdominal imaging. To address these limitations, we propose PLUS, a plug-and-play framework that enhances FLL analysis on NCCT images for arbitrary 3D segmentation models. In extensive experiments involving 8,651 patients, PLUS demonstrated a significant improvement with existing methods, improving the lesion-level F1 score by 5.66%, the malignant patient-level F1 score by 6.26%, and the benign patient-level F1 score by 4.03%. Our results demonstrate the potential of PLUS to improve malignant FLL screening using widely available NCCT imaging substantially.
• Abstract（参考訳）: 肝硬変 (FLL) は, 身体検査でよく見られる疾患である。 肝悪性腫瘍の早期診断と治療は,患者の生存率向上に不可欠である。 現在の3Dセグメンテーションパラダイムは、病変を正確に検出できるが、悪性と良性肝病変の区別には限界がある。 さらに, 造影CT法やMRI法など, 多相造影CT法やMRI法など, 特に非造影CT(non-contrast CT, NCCT)法が一般的である。 これらの制約に対処するため,任意の3次元セグメンテーションモデルのためのNCCT画像のFLL解析を強化するプラグイン・アンド・プレイ・フレームワークPLUSを提案する。 PLUSは8,651人の患者を対象とする広範囲な実験において、既存の方法による顕著な改善を示し、病変レベルF1のスコアは5.66%、悪性度F1のスコアは6.26%、良性度F1のスコアは4.03%改善した。 以上の結果から,PLUS が悪性 FLL スクリーニングの改善に有効である可能性が示唆された。

関連論文リスト

• LIDIA: Precise Liver Tumor Diagnosis on Multi-Phase Contrast-Enhanced CT via Iterative Fusion and Asymmetric Contrastive Learning [26.628742010072756]
  LIDIAと命名された多相造影CTを用いたLIver腫瘍DIAgnosisネットワークを現実シナリオとして提案する。 症例は1,921例,8,138例であった。 LIDIAは8種類の病変に対して平均93.6%のAUCを達成し、その効果を実証している。
  論文  参考訳（メタデータ） (2024-07-18T07:00:23Z)
• Improved Esophageal Varices Assessment from Non-Contrast CT Scans [15.648325577912608]
  食道静脈瘤(EV)は門脈圧亢進による重篤な健康上の問題である。 非造影CT(non-contrast Computed Tomography, NC-CT)は, 安価で非侵襲的な画像モダリティであるにもかかわらず, EV評価のための主要な臨床診断ツールとして完全には受け入れられていない。 我々は,NC-CTスキャンにおける重要な臓器機能の解析を改良し,EVを効果的に評価するMulti-Organ-cOhesion-Network(MOON)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T06:49:10Z)
• Lesion-Aware Cross-Phase Attention Network for Renal Tumor Subtype Classification on Multi-Phase CT Scans [17.708032663036512]
  腎癌の術前診断にはCT(multi-phase Computed Tomography)が広く用いられている。 深層学習に基づくアプローチは、最近腎臓癌の鑑別診断のために研究されているが、ネットワーク設計におけるCTフェーズ間の関係を明示的にモデル化するものではない。 腎病変のCT位相間の時間的依存性を効果的に把握できる新しい病変認識型クロスフェーズアテンションネットワーク (LACPANet) を提案する。
  論文  参考訳（メタデータ） (2024-06-24T05:15:15Z)
• Few Shot Learning for the Classification of Confocal Laser Endomicroscopy Images of Head and Neck Tumors [0.33384431000910975]
  CLE画像の解剖学的領域への一般化に向けた4つの一般的な数個のショット学習手法の評価を行った。 5例の鼻腔腫瘍 (SNT) 像と, 11例の声帯腫瘍 (VF) 像について, クロスバリデーション法を用いて検討した。
  論文  参考訳（メタデータ） (2023-11-13T10:17:00Z)
• Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
  本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。 発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
  論文  参考訳（メタデータ） (2023-08-01T12:46:02Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• A Cascaded Approach for ultraly High Performance Lesion Detection and False Positive Removal in Liver CT Scans [15.352636778576171]
  肝臓がんは世界中で高い死亡率と死亡率を持っている。 CT画像における肝病変の自動検出と分類は、臨床ワークフローを改善する可能性がある。 本研究では,多相CT画像のためのマルチオブジェクトラベリングツールをカスタマイズする。
  論文  参考訳（メタデータ） (2023-06-28T09:11:34Z)
• CancerUniT: Towards a Single Unified Model for Effective Detection, Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection of CT Scans [45.83431075462771]
  ヒトの読者や放射線医は、臨床実践において、全身多臓器多臓器の検出と診断を日常的に行う。 ほとんどの医療用AIシステムは、いくつかの疾患のリストの狭い単一の臓器に焦点を当てて構築されている。 CancerUniT は、マルチ腫瘍予測の出力を持つクエリベースの Mask Transformer モデルである。
  論文  参考訳（メタデータ） (2023-01-28T20:09:34Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。