論文の概要: Identifying Signatures of Image Phenotypes to Track Treatment Response in Liver Disease

• arxiv url: http://arxiv.org/abs/2507.12012v1
• Date: Wed, 16 Jul 2025 08:11:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.297258
• Title: Identifying Signatures of Image Phenotypes to Track Treatment Response in Liver Disease
• Title（参考訳）: 肝疾患における画像フェノタイプによる治療反応の同定
• Authors: Matthias Perkonigg, Nina Bastati, Ahmed Ba-Ssalamah, Peter Mesenbrink, Alexander Goehler, Miljen Martic, Xiaofei Zhou, Michael Trauner, Georg Langs,
• Abstract要約: 教師なし機械学習は、磁気共鳴画像において、肝臓組織のパターンボキャブラリを識別できる。 非アルコール性脂肪肝炎患者の無作為化比較試験コホートにおける語彙の有用性を実証した。
• 参考スコア（独自算出の注目度）: 38.2874126328984
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantifiable image patterns associated with disease progression and treatment response are critical tools for guiding individual treatment, and for developing novel therapies. Here, we show that unsupervised machine learning can identify a pattern vocabulary of liver tissue in magnetic resonance images that quantifies treatment response in diffuse liver disease. Deep clustering networks simultaneously encode and cluster patches of medical images into a low-dimensional latent space to establish a tissue vocabulary. The resulting tissue types capture differential tissue change and its location in the liver associated with treatment response. We demonstrate the utility of the vocabulary on a randomized controlled trial cohort of non-alcoholic steatohepatitis patients. First, we use the vocabulary to compare longitudinal liver change in a placebo and a treatment cohort. Results show that the method identifies specific liver tissue change pathways associated with treatment, and enables a better separation between treatment groups than established non-imaging measures. Moreover, we show that the vocabulary can predict biopsy derived features from non-invasive imaging data. We validate the method on a separate replication cohort to demonstrate the applicability of the proposed method.
• Abstract（参考訳）: 疾患進行と治療反応に関連する定量的な画像パターンは、個々の治療を導くための重要なツールであり、新しい治療法を開発するための重要なツールである。 そこで本研究では, 拡散性肝疾患における治療反応を定量的に計測する磁気共鳴画像において, 教師なし機械学習が肝組織のパターン語彙を同定できることを示す。 ディープクラスタリングネットワークは、医療画像のパッチを低次元の潜在空間に同時にエンコードしてクラスタリングし、組織語彙を確立する。 得られた組織型は、治療反応に関連する組織の変化と肝臓内の位置を捉えている。 非アルコール性脂肪肝炎患者の無作為化比較試験コホートにおける語彙の有用性を実証した。 まず,プラセボと治療コホートにおける肝の経時的変化を語彙を用いて比較した。 本手法は, 治療に伴う特定の肝組織変化経路を同定し, 既往の非画像化法よりも治療群間の分離が良好であることを示す。 さらに,非侵襲的画像データから生検由来の特徴を予測できることが示唆された。 提案手法の適用性を実証するため,別個の複製コホート上で本手法の有効性を検証した。

関連論文リスト

• VALD-MD: Visual Attribution via Latent Diffusion for Medical Diagnostics [0.0]
  医用画像における視覚的属性は、医用画像の診断関連成分を明確にすることを目指している。 本稿では、潜在拡散モデルとドメイン固有大言語モデルを組み合わせた新しい生成的視覚属性手法を提案する。 結果として生じるシステムは、ゼロショット局所化疾患誘導を含む様々な潜在能力を示す。
  論文  参考訳（メタデータ） (2024-01-02T19:51:49Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Statistical and Topological Summaries Aid Disease Detection for Segmented Retinal Vascular Images [0.0]
  微小血管疾患は網膜画像の視覚検査によって評価される。 病気が静かな症状を示したり、患者が直接の会議に出席できない場合、これは困難である。 微小血管疾患の検出における機械学習アルゴリズムの性能について検討した。
  論文  参考訳（メタデータ） (2022-02-20T01:29:36Z)
• Unsupervised domain adaptation for cross-modality liver segmentation via joint adversarial learning and self-learning [2.309675169959214]
  CT(Computed tomography)とMRI(MRI)を用いて取得した画像上の肝セグメンテーションは,肝疾患の臨床的管理において重要な役割を担っている。 本研究では, 対人学習と自己学習を通じて, クロスモーダル肝セグメンテーションのための新しい教師なしドメイン適応フレームワークについて報告する。
  論文  参考訳（メタデータ） (2021-09-13T01:46:28Z)
• Semantic segmentation of multispectral photoacoustic images using deep learning [53.65837038435433]
  光音響イメージングは医療に革命をもたらす可能性がある。 この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。 本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-20T09:33:55Z)
• Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas Segmentation: Application to Automatic Pathological Liver CT Segmentation [4.262342157729123]
  腹部CT像からの肝分画は,肝癌のコンピュータ診断と手術計画に必須のステップである。 現在、既存の肝セグメンテーション法の精度と堅牢性は臨床応用の要件を満たしていない。 低ランクテンソル分解(LRTD)ベースのマルチアトラス分割(MAS)フレームワークを提案し、CT画像の正確で堅牢な病理学的肝分割を実現する。
  論文  参考訳（メタデータ） (2021-02-24T04:09:39Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Unsupervised deep clustering for predictive texture pattern discovery in medical images [2.0478628221188497]
  医用画像のテクスチャパターンを教師なしで識別する手法を提案する。 深層クラスタリングネットワークに基づいて,低次元潜在空間における医用画像パッチを同時にエンコードし,クラスタリングする。 肝脂肪症患者のT1強調MRI70例について検討した。
  論文  参考訳（メタデータ） (2020-01-31T10:57:59Z)

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。