論文の概要: Evaluating the Predictive Value of Preoperative MRI for Erectile Dysfunction Following Radical Prostatectomy

• arxiv url: http://arxiv.org/abs/2508.03461v1
• Date: Tue, 05 Aug 2025 14:00:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.995254
• Title: Evaluating the Predictive Value of Preoperative MRI for Erectile Dysfunction Following Radical Prostatectomy
• Title（参考訳）: 前立腺癌術後の勃起障害に対する術前MRIの有用性の検討
• Authors: Gideon N. L. Rouwendaal, Daniël Boeke, Inge L. Cox, Henk G. van der Poel, Margriet C. van Dijk-de Haan, Regina G. H. Beets-Tan, Thierry N. Boellaard, Wilson Silva,
• Abstract要約: 前立腺機能不全(ED)の術前予測は,根治的前立腺切除術を施行した患者のカウンセリングに重要である。 臨床のみのベースライン,MRIによる手作り解剖学的特徴を用いた古典的モデル,MRIスライスを直接訓練したディープラーニングモデル,画像と臨床入力のマルチモーダル融合の4つのモデル戦略を評価した。
• 参考スコア（独自算出の注目度）: 0.1314058888017264
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate preoperative prediction of erectile dysfunction (ED) is important for counseling patients undergoing radical prostatectomy. While clinical features are established predictors, the added value of preoperative MRI remains underexplored. We investigate whether MRI provides additional predictive value for ED at 12 months post-surgery, evaluating four modeling strategies: (1) a clinical-only baseline, representing current state-of-the-art; (2) classical models using handcrafted anatomical features derived from MRI; (3) deep learning models trained directly on MRI slices; and (4) multimodal fusion of imaging and clinical inputs. Imaging-based models (maximum AUC 0.569) slightly outperformed handcrafted anatomical approaches (AUC 0.554) but fell short of the clinical baseline (AUC 0.663). Fusion models offered marginal gains (AUC 0.586) but did not exceed clinical-only performance. SHAP analysis confirmed that clinical features contributed most to predictive performance. Saliency maps from the best-performing imaging model suggested a predominant focus on anatomically plausible regions, such as the prostate and neurovascular bundles. While MRI-based models did not improve predictive performance over clinical features, our findings suggest that they try to capture patterns in relevant anatomical structures and may complement clinical predictors in future multimodal approaches.
• Abstract（参考訳）: 前立腺機能不全(ED)の正確な術前予測は,根治的前立腺切除術を施行した患者のカウンセリングに重要である。 臨床像は予測因子として確立されているが, 術前MRIの付加価値は未定である。 我々は,MRIが術後12カ月でEDに新たな予測値を提供するかどうかを考察し,(1)現況を表す臨床のみのベースライン,(2)MRIから派生した手作り解剖学的特徴を用いた古典的モデル,(3)MRIスライスを直接訓練したディープラーニングモデル,(4)画像と臨床入力のマルチモーダル融合の4つのモデル戦略を評価する。 画像ベースモデル (最大AUC 0.569) は手技による解剖学的アプローチ (AUC 0.554) よりも若干優れていたが、臨床ベースライン (AUC 0.663) には届かなかった。 フュージョンモデルは限界利得(AUC 0.586)を提供するが、臨床のみのパフォーマンスを超えなかった。 SHAP分析では,臨床症状が予測性能に最も寄与していることが確認された。 前立腺や神経血管束などの解剖学的に妥当な領域に主眼を置いていた。 MRIをベースとしたモデルでは, 臨床像よりも予測性能が向上しなかったが, 解剖学的構造の変化を捉え, 今後, 臨床予測を補完する可能性が示唆された。

関連論文リスト

• A Metabolic-Imaging Integrated Model for Prognostic Prediction in Colorectal Liver Metastases [5.6492616107251274]
  本研究は,術後再発リスクを予測するための頑健な機械学習モデルを開発し,検証した。 コントラスト造影CTでは,術前臨床パラメータと放射線学的特徴に入力変数を制限した。 3ヶ月の再発予測モデルでは、AUCが0.723のクロスバリデーションで最適性能を示した。
  論文  参考訳（メタデータ） (2025-07-26T01:29:38Z)
• The added value for MRI radiomics and deep-learning for glioblastoma prognostication compared to clinical and molecular information [0.0]
  放射線学はグリオ芽腫を特徴付けることを約束しているが、その付加価値はまだ証明されていない。 本研究は, Glioblastoma prognosisに対する従来の放射線学(CR)および深部学習(DL)MRIの付加価値について検討した。
  論文  参考訳（メタデータ） (2025-07-21T12:27:07Z)
• SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
  選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。 我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。 決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
  論文  参考訳（メタデータ） (2025-07-15T01:18:28Z)
• Outcome prediction and individualized treatment effect estimation in patients with large vessel occlusion stroke [0.0]
  改良されたランキンスケールスコアを用いて,機能的結果を予測するための解釈可能な深層学習モデルを開発し,評価した。 非造影CT (NCCT) と血管造影 (CTA) を新しい基礎モデルを用いて検討した。 機能的予後の最も重要な予測因子は前ストローク障害であった。
  論文  参考訳（メタデータ） (2025-07-03T09:51:56Z)
• Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
  我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。 NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。 年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-06-11T23:51:01Z)
• Medical World Model: Generative Simulation of Tumor Evolution for Treatment Planning [50.16114813279694]
  臨床診断に基づいて将来の疾患状態を視覚的に予測する医用世界モデル(MeWM)を紹介する。 MeWMは、(i)政策モデルとして機能する視覚言語モデルと、(ii)ダイナミックスモデルとして腫瘍生成モデルから構成される。 シミュレーション後腫瘍に対する生存解析を適用した逆ダイナミクスモデルを提案し,治療効果の評価と最適な臨床行動計画の選択を可能にした。
  論文  参考訳（メタデータ） (2025-06-02T23:50:40Z)
• Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities [61.36288157482697]
  米国では、前立腺がんが男性の死因としては2番目に多く、2024年には35,250人が死亡している。 本稿では,複数のMRIモダリティを組み合わせて深層学習モデルを訓練し,臨床的に有意な前立腺癌予測のためのモデルの信頼性を高めることを検討する。
  論文  参考訳（メタデータ） (2024-11-07T12:48:27Z)
• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Spatiotemporal Graph Neural Network Modelling Perfusion MRI [12.712005118761516]
  Per vascular MRI (pMRI) は腫瘍について貴重な洞察を与え、腫瘍の遺伝子型を予測することを約束する。 しかし、4D pMRIに合わせた効果的なモデルはまだ不足している。 本研究は,GNNモデルを用いた4次元pMRIのモデル化の試みである。
  論文  参考訳（メタデータ） (2024-06-10T16:24:46Z)
• Deep Learning for Predicting Progression of Patellofemoral Osteoarthritis Based on Lateral Knee Radiographs, Demographic Data and Symptomatic Assessments [1.1549572298362785]
  本研究はMOST研究のベースラインから被験者(被験者1832名,膝3276名)を抽出した。 PF関節領域は, 側膝X線上の自動ランドマーク検出ツール(BoneFinder)を用いて同定した。 年齢、性別、BMIおよびWOMACスコア、および大腿骨関節X線学的関節炎ステージ(KLスコア)の危険因子について
  論文  参考訳（メタデータ） (2023-05-10T06:43:33Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。