論文の概要: Non-Invasive Detection of PROState Cancer with Novel Time-Dependent Diffusion MRI and AI-Enhanced Quantitative Radiological Interpretation: PROS-TD-AI
- arxiv url: http://arxiv.org/abs/2509.24227v1
- Date: Mon, 29 Sep 2025 03:12:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:19.714527
- Title: Non-Invasive Detection of PROState Cancer with Novel Time-Dependent Diffusion MRI and AI-Enhanced Quantitative Radiological Interpretation: PROS-TD-AI
- Title（参考訳）: 新しい時間依存性拡散MRIとAIによる定量的放射線学的解釈による前立腺癌の非侵襲的検出 : PROS-TD-AI
- Authors: Baltasar Ramos, Cristian Garrido, Paulette Narv'aez, Santiago Gelerstein Claro, Haotian Li, Rafael Salvador, Constanza V'asquez-Venegas, Iv'an Gallegos, Yi Zhang, V'ictor Casta~neda, Cristian Acevedo, Dan Wu, Gonzalo C'ardenas, Camilo G. Sotomayor,
- Abstract要約: 前立腺癌(PCa)は、男性で最も頻繁に診断される悪性腫瘍であり、世界で8番目に多いがん死の原因である。
組織を特徴づける新しい配列である時間依存性拡散(TDD)MRIでは、臨床的に有意なPCaと区別する上で、前臨床効果が促進されている。
本研究プロトコルは,自家製のAI強化型TDD-MRIソフトウェア(PROSTDAI)の診断における将来的評価を概説する。
- 参考スコア（独自算出の注目度）: 8.633068910265349
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prostate cancer (PCa) is the most frequently diagnosed malignancy in men and the eighth leading cause of cancer death worldwide. Multiparametric MRI (mpMRI) has become central to the diagnostic pathway for men at intermediate risk, improving de-tection of clinically significant PCa (csPCa) while reducing unnecessary biopsies and over-diagnosis. However, mpMRI remains limited by false positives, false negatives, and moderate to substantial interobserver agreement. Time-dependent diffusion (TDD) MRI, a novel sequence that enables tissue microstructure characterization, has shown encouraging preclinical performance in distinguishing clinically significant from insignificant PCa. Combining TDD-derived metrics with machine learning may provide robust, zone-specific risk prediction with less dependence on reader training and improved accuracy compared to current standard-of-care. This study protocol out-lines the rationale and describes the prospective evaluation of a home-developed AI-enhanced TDD-MRI software (PROSTDAI) in routine diagnostic care, assessing its added value against PI-RADS v2.1 and validating results against MRI-guided prostate biopsy.
- Abstract（参考訳）: 前立腺癌(PCa)は、男性で最も頻繁に診断される悪性腫瘍であり、世界で8番目に多いがん死の原因である。
マルチパラメトリックMRI (Multiparametric MRI) は, 臨床上有意なPCa (csPCa) の欠失を改善しつつ, 不要な生検や過剰診断を減らし, 診断経路の中心となった。
しかし、mpMRIは偽陽性、偽陰性、実質的なサーバ間合意によって制限されている。
組織微細構造を特徴づける新しい配列である時間依存性拡散(TDD)MRIは、臨床的に有意なPCaと区別する上で、前臨床的なパフォーマンスを奨励している。
TDDに基づくメトリクスと機械学習を組み合わせることで、読者のトレーニングへの依存が少なく、現在の標準よりも精度が向上した、堅牢でゾーン固有のリスク予測が可能になる。
本研究プロトコルは,本研究の根拠を概説し,日常診療における自家製のAI強化型TDD-MRIソフトウェア(PROSTDAI)の今後の評価,PI-RADS v2.1に対する付加価値の評価,MRI誘導前立腺生検に対する結果の検証について述べる。
関連論文リスト
- From Promise to Practical Reality: Transforming Diffusion MRI Analysis with Fast Deep Learning Enhancement [35.368152968098194]
FastFOD-Netは、FODを優れたパフォーマンスで強化し、臨床使用のためのトレーニング/推論効率を提供するエンドツーエンドのディープラーニングフレームワークである。
この研究は、拡散MRIの強化のための深層学習に基づく手法を、より広く採用し、臨床信頼を構築することを促進する。
論文 参考訳（メタデータ） (2025-08-13T17:56:29Z) - Prostate Cancer Screening with Artificial Intelligence-Enhanced Micro-Ultrasound: A Comparative Study with Traditional Methods [3.57040780961711]
マイクロ超音波(micro-US)は前立腺癌(csPCa)の診断精度に匹敵する新しい画像モダリティである
PSAとデジタル直腸検査(DRE)を用いて,マイクロUSの人工知能(AI)解釈が臨床スクリーニング法より優れているかを検討した。
論文 参考訳（メタデータ） (2025-05-27T15:47:38Z) - 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) - Radiomics-guided Multimodal Self-attention Network for Predicting Pathological Complete Response in Breast MRI [3.6852491526879687]
本研究では,ダイナミックコントラスト強調画像(DCE)とADCマップを用いた乳癌患者のpCR予測モデルを提案する。
本手法は, 腫瘍関連領域からの特徴抽出を誘導するために放射線を利用した自己注意機構を備えたエンコーダを用いて, DCE MRI と ADC から特徴抽出を行う。
論文 参考訳（メタデータ） (2024-06-05T04:49:55Z) - 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) - Risk Classification of Brain Metastases via Radiomics, Delta-Radiomics
and Machine Learning [7.165205048529115]
放射線学と機械学習 (ML) を用いて, 進行の進行のリスクが高い転移は, 腫瘍発生前の経過観察中に同定できると仮定した。
この分類は、最大関連最小冗長(MRMR)技術とサポートベクトルマシン(SVM)により実現される。
以上の結果から,SRT後フォローアップにおける放射能および機械学習に基づくBMのリスク階層化は,良好な精度で可能であり,SRT後フォローアップのパーソナライズと改善のためにさらに追求すべきであることが示唆された。
論文 参考訳（メタデータ） (2023-02-17T10:55:18Z) - Mixed Supervision of Histopathology Improves Prostate Cancer
Classification from MRI [0.9395521049323435]
MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。
患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
論文 参考訳（メタデータ） (2022-12-13T02:34:57Z) - PD-DWI: Predicting response to neoadjuvant chemotherapy in invasive
breast cancer with Physiologically-Decomposed Diffusion-Weighted MRI
machine-learning model [0.0]
DWIと臨床データからpCRを予測するための生理学的に分解されたDWI機械学習モデルPD-DWIを紹介する。
我々のモデルは、現在のリーダーボードの最良の結果と比較して、曲線下(AUC)の面積を大幅に改善します。
論文 参考訳（メタデータ） (2022-06-12T08:59:49Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - 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)
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。