論文の概要: LesiOnTime -- Joint Temporal and Clinical Modeling for Small Breast Lesion Segmentation in Longitudinal DCE-MRI

• arxiv url: http://arxiv.org/abs/2508.00496v1
• Date: Fri, 01 Aug 2025 10:19:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.832685
• Title: LesiOnTime -- Joint Temporal and Clinical Modeling for Small Breast Lesion Segmentation in Longitudinal DCE-MRI
• Title（参考訳）: LesiOnTime-経時的DCE-MRIにおける小乳腺病変の同時手術と臨床的モデリング
• Authors: Mohammed Kamran, Maria Bernathova, Raoul Varga, Christian Singer, Zsuzsanna Bago-Horvath, Thomas Helbich, Georg Langs, Philipp Seeböck,
• Abstract要約: 縦断画像とBIRADSスコアを併用して臨床診断を模倣する新しい3Dセグメンテーション手法であるLesiOnTimeを提案する。 我々のアプローチは、Dice Ablation研究で最先端のシングルタイムポイントと長手ベースラインを5%上回ります。
• 参考スコア（独自算出の注目度）: 1.5233783874742468
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate segmentation of small lesions in Breast Dynamic Contrast-Enhanced MRI (DCE-MRI) is critical for early cancer detection, especially in high-risk patients. While recent deep learning methods have advanced lesion segmentation, they primarily target large lesions and neglect valuable longitudinal and clinical information routinely used by radiologists. In real-world screening, detecting subtle or emerging lesions requires radiologists to compare across timepoints and consider previous radiology assessments, such as the BI-RADS score. We propose LesiOnTime, a novel 3D segmentation approach that mimics clinical diagnostic workflows by jointly leveraging longitudinal imaging and BIRADS scores. The key components are: (1) a Temporal Prior Attention (TPA) block that dynamically integrates information from previous and current scans; and (2) a BI-RADS Consistency Regularization (BCR) loss that enforces latent space alignment for scans with similar radiological assessments, thus embedding domain knowledge into the training process. Evaluated on a curated in-house longitudinal dataset of high-risk patients with DCE-MRI, our approach outperforms state-of-the-art single-timepoint and longitudinal baselines by 5% in terms of Dice. Ablation studies demonstrate that both TPA and BCR contribute complementary performance gains. These results highlight the importance of incorporating temporal and clinical context for reliable early lesion segmentation in real-world breast cancer screening. Our code is publicly available at https://github.com/cirmuw/LesiOnTime
• Abstract（参考訳）: 乳腺ダイナミックコントラスト造影MRI(DCE-MRI)における微小病変の正確な分画は早期癌検出,特に高リスク症例において重要である。 近年の深層学習法は高度な病変のセグメンテーションを有するが、主に大きな病変を標的とし、放射線医が日常的に使用する貴重な縦・臨床情報を無視する。 実世界のスクリーニングでは、微妙な病変や出現する病変を検知するために、放射線学者はタイムポイントをまたいで比較し、BI-RADSスコアのような過去の放射線学評価を検討する必要がある。 縦断画像とBIRADSスコアを併用して臨床診断ワークフローを模倣する新しい3Dセグメンテーション手法であるLesiOnTimeを提案する。 1) 従来のスキャンと現在のスキャンから情報を動的に統合するTPAブロック,(2) BI-RADS 一貫性規則化(BCR)損失により,同様の放射線学的評価によるスキャンの遅延空間アライメントが実現され,ドメイン知識をトレーニングプロセスに組み込む。 DCE-MRIによる高リスク症例の自宅内縦断データセットを用いて評価し, 現状の単一時間点, 縦断ベースラインをDiceで5%上回る結果を得た。 アブレーション研究は、TPAとBCRが相補的な性能向上に寄与していることを示している。 これらの結果から, 乳がん検診における早期病変分節の経時的, 臨床的検討の重要性が示唆された。 私たちのコードはhttps://github.com/cirmuw/LesiOnTimeで公開されています

関連論文リスト

• Weakly Supervised Intracranial Aneurysm Detection and Segmentation in MR angiography via Multi-task UNet with Vesselness Prior [2.423045468361048]
  頭蓋内動脈瘤 (IAs) は脳血管の異常な拡張であり、破裂すると生命を脅かす結果をもたらす。 本稿では,脳動脈瘤の検出とセグメンテーションを共同で行うために,血管度を組み込んだ3次元マルチタスクUNetを提案する。
  論文  参考訳（メタデータ） (2025-08-01T00:45:46Z)
• Segmenting Bi-Atrial Structures Using ResNext Based Framework [2.5725730509014353]
  心房細動(英: atrial fibrillation、AF)は、心不整脈で最も一般的な疾患であり、特に高齢者の死亡に寄与する。 最近の研究は、追加の心房領域、特に後期ガドリニウム強調MRI(LGE-MRI)で同定される線維性領域を標的にすることの重要性を強調している。 ディープラーニング技術、特に畳み込みニューラルネットワーク(CNN)は、セグメンテーションの自動化を約束している。 LGE-MRIにおいて,ResNeXtエンコーダと,右心房(RA)とLA壁と空洞の両方を分割する循環学習率を組み合わせた新しい2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-28T10:23:12Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• APIS: A paired CT-MRI dataset for ischemic stroke segmentation challenge [0.0]
  APISはNCCTとADCによる急性虚血性脳卒中患者の最初のペアデータセットである。 第20回IEEE International Symposium on Biomedical Imaging 2023で発表された。 すべてのチームが専門的なディープラーニングツールを使用しているにも関わらず、NCCTの虚血性脳卒中セグメンテーションタスクは依然として困難である。
  論文  参考訳（メタデータ） (2023-09-26T20:16:07Z)
• CARE: A Large Scale CT Image Dataset and Clinical Applicable Benchmark Model for Rectal Cancer Segmentation [8.728236864462302]
  CT画像の直腸癌セグメンテーションは、タイムリーな臨床診断、放射線治療、経過観察において重要な役割を担っている。 これらの障害は直腸の複雑な解剖学的構造と直腸癌の鑑別診断の困難から生じる。 これらの課題に対処するため,本研究では,正常直腸と癌直腸の両方にピクセルレベルのアノテーションを付加した,新しい大規模直腸癌CT画像データセットCAREを導入する。 また,U-SAMと命名された新しい癌病変セグメンテーションベンチマークモデルを提案する。 このモデルは、迅速な情報を取り入れることで、腹部器官の複雑な解剖学的構造によって引き起こされる課題に対処するように設計されている。
  論文  参考訳（メタデータ） (2023-08-16T10:51:27Z)
• 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)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• Medical Image Analysis on Left Atrial LGE MRI for Atrial Fibrillation Studies: A Review [18.22326892162902]
  後期ガドリニウム造影MRI(LGE MRI)は左心房(LA)の傷跡の可視化と定量化に一般的に用いられている。 本稿では, LGE MRIによるLA空洞, 壁, 傷痕, アブレーションギャップのセグメンテーションと定量化のための計算手法について, 体系的に検討することを目的とする。
  論文  参考訳（メタデータ） (2021-06-18T01:31:06Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。