論文の概要: PUUMA (Placental patch and whole-Uterus dual-branch U-Mamba-based Architecture): Functional MRI Prediction of Gestational Age at Birth and Preterm Risk

• arxiv url: http://arxiv.org/abs/2509.07042v1
• Date: Mon, 08 Sep 2025 10:23:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.051246
• Title: PUUMA (Placental patch and whole-Uterus dual-branch U-Mamba-based Architecture): Functional MRI Prediction of Gestational Age at Birth and Preterm Risk
• Title（参考訳）: PUUMA (Placental patch and whole-Uterus dual-branch U-Mamba-based Architecture):出生時静止年齢のMRI機能予測と早期リスク
• Authors: Diego Fajardo-Rojas, Levente Baljer, Jordina Aviles Verdera, Megan Hall, Daniel Cromb, Mary A. Rutherford, Lisa Story, Emma C. Robinson, Jana Hutter,
• Abstract要約: 295妊娠のT2*胎児MRIデータを用いて出生時の妊娠年齢(GA)を予測するために,Double-branch Deep Learning Architecture (PUUMA)を開発した。 このモデルは、グローバルな全子宮と局所的な胎盤の特徴を統合している。 これはデータセットのクラス不均衡が顕著であるにもかかわらず、平均絶対誤差(3週間)と事前出生を検出するための感度(0.67)に匹敵する平均誤差を達成した。
• 参考スコア（独自算出の注目度）: 0.6606561617603914
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Preterm birth is a major cause of mortality and lifelong morbidity in childhood. Its complex and multifactorial origins limit the effectiveness of current clinical predictors and impede optimal care. In this study, a dual-branch deep learning architecture (PUUMA) was developed to predict gestational age (GA) at birth using T2* fetal MRI data from 295 pregnancies, encompassing a heterogeneous and imbalanced population. The model integrates both global whole-uterus and local placental features. Its performance was benchmarked against linear regression using cervical length measurements obtained by experienced clinicians from anatomical MRI and other Deep Learning architectures. The GA at birth predictions were assessed using mean absolute error. Accuracy, sensitivity, and specificity were used to assess preterm classification. Both the fully automated MRI-based pipeline and the cervical length regression achieved comparable mean absolute errors (3 weeks) and good sensitivity (0.67) for detecting preterm birth, despite pronounced class imbalance in the dataset. These results provide a proof of concept for automated prediction of GA at birth from functional MRI, and underscore the value of whole-uterus functional imaging in identifying at-risk pregnancies. Additionally, we demonstrate that manual, high-definition cervical length measurements derived from MRI, not currently routine in clinical practice, offer valuable predictive information. Future work will focus on expanding the cohort size and incorporating additional organ-specific imaging to improve generalisability and predictive performance.
• Abstract（参考訳）: 出生前は小児の死亡率と寿命の長い死亡率の主要な原因である。 その複雑で多因子的な起源は、現在の臨床予測因子の有効性を制限し、最適なケアを妨げる。 本研究では,T2*胎児MRIデータを用いて出生時の妊娠年齢(GA)を予測するために,両枝深層学習アーキテクチャ(PUUMA)を開発した。 このモデルは、グローバルな全子宮と局所的な胎盤の特徴を統合している。 その性能は、解剖学的MRIや他のディープラーニングアーキテクチャーから経験した臨床医によって得られた頚椎長の測定値を用いて線形回帰と比較された。 出生予測におけるGAは平均絶対誤差を用いて評価した。 事前分類の精度,感度,特異性について検討した。 完全に自動化されたMRIベースのパイプラインと頸部の長さの回帰は、データセットのクラス不均衡が顕著であるにもかかわらず、平均絶対誤差(3週間)と早期出生を検出するための感度(0.67)を同等に達成した。 これらの結果は,機能的MRIから生ずるGAの自動予測の概念の証明であり,リスク児の特定における子宮機能画像の有用性を裏付けるものである。 また,MRIによる手動・高精細頚長計測は,現在臨床で日常的に行われているものではないが,有意な予測情報を提供していることを実証した。 今後の研究は、コホートのサイズを拡大し、一般化性と予測性能を向上させるために、臓器特異的なイメージングを追加することに集中する。

関連論文リスト

• AI-based response assessment and prediction in longitudinal imaging for brain metastases treated with stereotactic radiosurgery [1.3844235712582453]
  脳転移(Brain Metastases, BM)は、がん患者の死亡率に大きく寄与する。 SRS(Stereotactic Radiosurgery)で治療し,MRI(Magnetic Resonance Imaging)で治療ガイドラインに従って経過観察する。 成長軌跡をよりよく理解し、治療の成功や毒性をできるだけ早く予測するために、縦断画像における治療に対する反応が研究されている。 本研究では, 約2カ月間隔で約360日以上観察された177例のSRS治療データを経時的に収集する自動パイプラインを構築し, 約896 BMのコホートを施行した。
  論文  参考訳（メタデータ） (2025-09-08T07:29:45Z)
• Predicting VBAC Outcomes from U.S. Natality Data using Deep and Classical Machine Learning Models [0.0]
  本研究は,CDC WONDER Natalityデータセットから得られたセサレアン(VBAC)後の迷走神経発生を予測するための教師付き機械学習モデルを提案する。 ロジスティック回帰、XGBoost、多層パーセプトロン(MLP)の3つの分類器を訓練した。 AUCは0.7287で最高性能を記録し、XGBoost (Boost = 0.727) はロジスティック回帰ベースラインを上回った。
  論文  参考訳（メタデータ） (2025-07-28T20:54:55Z)
• 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)
• AGE-US: automated gestational age estimation based on fetal ultrasound images [0.695054745486515]
  少なからぬ出生は、新生児死亡率の増加や、将来の心臓病の可能性が高まるなど、重大な健康リスクをもたらす。 本研究では,自動妊娠年齢計算のための解釈可能な深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-06-19T12:15:06Z)
• Swin fMRI Transformer Predicts Early Neurodevelopmental Outcomes from Neonatal fMRI [0.20482269513546453]
  この期間の発達結果の正確な予測は、遅延を特定し、タイムリーな介入を可能にするために不可欠である。 本研究では,新生児のfMRIを用いた結果の予測を目的としたSwiFT(Swin 4D fMRI Transformer)モデルを提案する。 分析の結果,SwiFTは認知,運動,言語結果の予測において,ベースラインモデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2024-11-25T12:20:07Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Segmentation of glioblastomas in early post-operative multi-modal MRI with deep neural networks [33.51490233427579]
  手術前セグメンテーションのための2つの最先端ニューラルネットワークアーキテクチャをトレーニングした。 最高の成績は61%のDiceスコアで、最高の分類性能は80%のバランスの取れた精度で達成された。 予測セグメンテーションは、患者を残存腫瘍と全切除患者に正確に分類するために用いられる。
  論文  参考訳（メタデータ） (2023-04-18T10:14:45Z)
• Uncertainty-Informed Deep Learning Models Enable High-Confidence Predictions for Digital Histopathology [40.96261204117952]
  肺腺癌と扁平上皮癌を鑑別するモデルを訓練し,高い信頼度予測がUQなしで予測を上回ることを示す。 非肺癌コホートに対する腺癌と扁平上皮癌との高信頼度予測を精度良く行うことで, 領域シフトの設定においてUQ閾値の信頼性が保たれることを示す。
  論文  参考訳（メタデータ） (2022-04-09T17:35:37Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。