論文の概要: PROFUSEme: PROstate Cancer Biochemical Recurrence Prediction via FUSEd Multi-modal Embeddings

• arxiv url: http://arxiv.org/abs/2509.14051v1
• Date: Wed, 17 Sep 2025 14:54:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.892004
• Title: PROFUSEme: PROstate Cancer Biochemical Recurrence Prediction via FUSEd Multi-modal Embeddings
• Title（参考訳）: ProFUSEme:FUSED Multi-modal Embeddingsによる前立腺癌生化学的再発予測
• Authors: Suhang You, Carla Pitarch-Abaigar, Sanket Kachole, Sumedh Sonawane, Juhyung Ha, Anish Sudarshan Gada, David Crandall, Rakesh Shiradkar, Spyridon Bakas,
• Abstract要約: 前立腺癌(PCa)患者の約30%は生化学的再発(BCR)を経験し、前立腺特異抗原(PSA)の増加と死亡率の増加を特徴とする。 PROFUSEme(Fused Multi-modal Embeddings)による前立腺癌BCRの予測を提案し,臨床,放射線学,病理学のクロスモーダルな相互作用を学習する。
• 参考スコア（独自算出の注目度）: 2.83458288358676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Almost 30% of prostate cancer (PCa) patients undergoing radical prostatectomy (RP) experience biochemical recurrence (BCR), characterized by increased prostate specific antigen (PSA) and associated with increased mortality. Accurate early prediction of BCR, at the time of RP, would contribute to prompt adaptive clinical decision-making and improved patient outcomes. In this work, we propose prostate cancer BCR prediction via fused multi-modal embeddings (PROFUSEme), which learns cross-modal interactions of clinical, radiology, and pathology data, following an intermediate fusion configuration in combination with Cox Proportional Hazard regressors. Quantitative evaluation of our proposed approach reveals superior performance, when compared with late fusion configurations, yielding a mean C-index of 0.861 ($\sigma=0.112$) on the internal 5-fold nested cross-validation framework, and a C-index of 0.7103 on the hold out data of CHIMERA 2025 challenge validation leaderboard.
• Abstract（参考訳）: 前立腺癌 (PCa) 患者の約30%が, 前立腺特異抗原(PSA)の増加と死亡率の増加を特徴とする生化学的再発(BCR)を経験している。 RPの時点でのBCRの正確な早期予測は、適応的な臨床的意思決定と患者結果の改善に寄与する。 本研究では,Cox Proportional Hazard Regressorsと組み合わせた中間核融合構成に従って,臨床,放射線学,病理学データの相互モーダル相互作用を学習する,融合多モード埋め込み(PROFUSEme)による前立腺癌BCR予測を提案する。 提案手法の定量的評価により,C-インデックスの平均値は5倍のネスト型クロスバリデーションフレームワークで0.861$(\sigma=0.112$),C-インデックス0.7103,CHIMERA 2025チャレンジ検証リーダボードで0。

関連論文リスト

• ModalSurv: A Multimodal Deep Survival Framework for Prostate and Bladder Cancer [5.509924404430891]
  提案するModaliSurvは、DeepHitをプロジェクション層とモード間相互アテンションを備えたマルチモーダルディープサバイバルモデルである。 このモデルは、モーダル性にまたがる相補的な予後信号を捕捉し、個別化された時間-生化学的再発を推定するように設計されている。
  論文  参考訳（メタデータ） (2025-09-05T11:52:53Z)
• Predicting Neoadjuvant Chemotherapy Response in Triple-Negative Breast Cancer Using Pre-Treatment Histopathologic Images [2.23127246021293]
  三重複陰性乳癌(TNBC)は、その攻撃的行動と標的療法の欠如により、主要な臨床課題である。 本報告では, 治療前のヘマトキシリンおよびエオシン含有生検スライドから直接, 病理学的完全反応(pCR)を予測するために, 注意に基づく多症例学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-20T02:06:34Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Prediction of Breast Cancer Recurrence Risk Using a Multi-Model Approach Integrating Whole Slide Imaging and Clinicopathologic Features [0.6679306163028237]
  本研究の目的は,スライド画像全体と臨床病理学的データを分析し,関連する乳癌再発リスクを予測するマルチモデルアプローチを開発することである。 提案手法では,特徴抽出に畳み込みニューラルネットワーク,コンテキストアグリゲーションに視覚変換器を用いる。
  論文  参考訳（メタデータ） (2024-01-28T23:33:56Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)

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。