論文の概要: Multi-modal Liver Segmentation and Fibrosis Staging Using Real-world MRI Images

• arxiv url: http://arxiv.org/abs/2509.26061v1
• Date: Tue, 30 Sep 2025 10:35:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:45:00.100878
• Title: Multi-modal Liver Segmentation and Fibrosis Staging Using Real-world MRI Images
• Title（参考訳）: 実世界のMRI画像を用いたマルチモーダル肝分画と線維化のステージング
• Authors: Yang Zhou, Kunhao Yuan, Ye Wei, Jishizhan Chen,
• Abstract要約: 肝線維化は肝障害の持続による過剰な細胞外マトリックスの蓄積を示す。 近年の人工知能による肝セグメンテーションと線維化の進展は、非侵襲的な代替手段となる。 CARE 2025 Challengeは、現実のシナリオで肝線維症を定量化し分析する自動化手法を目的としている。
• 参考スコア（独自算出の注目度）: 4.532336128355271
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Liver fibrosis represents the accumulation of excessive extracellular matrix caused by sustained hepatic injury. It disrupts normal lobular architecture and function, increasing the chances of cirrhosis and liver failure. Precise staging of fibrosis for early diagnosis and intervention is often invasive, which carries risks and complications. To address this challenge, recent advances in artificial intelligence-based liver segmentation and fibrosis staging offer a non-invasive alternative. As a result, the CARE 2025 Challenge aimed for automated methods to quantify and analyse liver fibrosis in real-world scenarios, using multi-centre, multi-modal, and multi-phase MRI data. This challenge included tasks of precise liver segmentation (LiSeg) and fibrosis staging (LiFS). In this study, we developed an automated pipeline for both tasks across all the provided MRI modalities. This pipeline integrates pseudo-labelling based on multi-modal co-registration, liver segmentation using deep neural networks, and liver fibrosis staging based on shape, textural, appearance, and directional (STAD) features derived from segmentation masks and MRI images. By solely using the released data with limited annotations, our proposed pipeline demonstrated excellent generalisability for all MRI modalities, achieving top-tier performance across all competition subtasks. This approach provides a rapid and reproducible framework for quantitative MRI-based liver fibrosis assessment, supporting early diagnosis and clinical decision-making. Code is available at https://github.com/YangForever/care2025_liver_biodreamer.
• Abstract（参考訳）: 肝線維化は肝障害の持続による過剰な細胞外マトリックスの蓄積を示す。 正常な葉状構造と機能を破壊し、肝硬変や肝不全のリスクを増大させる。 早期診断と介入のための精密な線維症のステージングは、しばしば侵襲的であり、リスクと合併症をもたらす。 この課題に対処するために、最近の人工知能ベースの肝セグメンテーションと線維症ステージングの進歩は、非侵襲的な代替手段を提供する。 その結果、CARE 2025 Challengeは、マルチセントレ、マルチモーダル、マルチフェーズMRIデータを用いて、実世界のシナリオで肝線維症を定量化し分析する自動化手法を目標とした。 この課題には、正確な肝セグメンテーション(LiSeg)と線維症ステージング(LiFS)の課題が含まれていた。 そこで本研究では,全MRIモードにまたがるタスクの自動パイプラインを構築した。 このパイプラインは、マルチモーダルコレジゲーションに基づく擬似ラベリング、ディープニューラルネットワークを用いた肝セグメンテーション、およびセグメンテーションマスクとMRI画像から派生した形状、テクスチャ、外観、方向(STAD)特徴に基づく肝線維症ステージングを統合する。 提案するパイプラインは,アノテーションを限定したリリースデータのみを用いることで,すべてのMRIモダリティに対して優れた汎用性を示し,競合するすべてのサブタスクにおいてトップレベルのパフォーマンスを実現した。 このアプローチは、定量的MRIベースの肝線維症評価のための迅速かつ再現可能なフレームワークを提供し、早期診断と臨床的意思決定をサポートする。 コードはhttps://github.com/YangForever/care2025_liver_biodreamer.comから入手できる。

関連論文リスト

• SRMA-Mamba: Spatial Reverse Mamba Attention Network for Pathological Liver Segmentation in MRI Volumes [10.398312170809222]
  肝硬変は慢性肝疾患の予後に重要な役割を果たす。 既存の手法はMRIデータの空間的詳細を過小評価する。 我々は,MRIボリュームの複雑な解剖学的構造内の空間的関係をモデル化する,新しいマンバ型ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-08-17T15:52:54Z)
• Large Scale MRI Collection and Segmentation of Cirrhotic Liver [1.3157208364269697]
  肝硬変は慢性肝疾患の最終段階であり,広範な線維化と結節再生を特徴とする。 肝硬変解析は, 形態変化と異種信号の特徴により, 重大な課題を呈している。 今回,628個の高分解能腹部MRI画像からなるCirrMRI600+について紹介する。
  論文  参考訳（メタデータ） (2024-10-06T20:24:41Z)
• Cross-Modal Causal Intervention for Medical Report Generation [107.76649943399168]
  放射線医学報告生成(RRG)は, コンピュータ支援診断と薬剤指導に不可欠である。 視覚言語的バイアスによる急激な相関により、正確な病変記述の生成は依然として困難である。 我々はCrossModal Causal Representation Learning (CMCRL)という2段階のフレームワークを提案する。 IU-XrayとMIMIC-CXRの実験により、我々のCMCRLパイプラインは最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-16T07:23:55Z)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• Joint Liver and Hepatic Lesion Segmentation in MRI using a Hybrid CNN with Transformer Layers [2.055026516354464]
  SWTR-Unetと呼ばれるハイブリッドネットワークは、事前訓練されたResNet、トランスフォーマーブロック、共通のUnetスタイルのデコーダパスで構成されている。 Diceスコアが平均98-2%,MRIデータセットで81-28%,CTデータセットで97-2%,79-25%であったことから,提案したSWTR-Unetは肝病変と肝病変のセグメンテーションの正確なアプローチであることが判明した。
  論文  参考訳（メタデータ） (2022-01-26T14:52:23Z)
• United adversarial learning for liver tumor segmentation and detection of multi-modality non-contrast MRI [5.857654010519764]
  多モードNCMRIを用いた肝腫瘍の同時切除・検出のための統合対位学習フレームワーク(UAL)を提案する。 UALはまず、マルチビュー認識エンコーダを使用して、肝腫瘍のセグメンテーションと検出のための多モードNCMRI情報を抽出する。 パディングによる座標共有機構は,分割と検出のマルチタスクを統合し,複数のタスクを一つの識別器で組み合わせた対角学習を実現する。
  論文  参考訳（メタデータ） (2022-01-07T18:54:07Z)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)
• Robust Multimodal Brain Tumor Segmentation via Feature Disentanglement and Gated Fusion [71.87627318863612]
  画像モダリティの欠如に頑健な新しいマルチモーダルセグメンテーションフレームワークを提案する。 我々のネットワークは、入力モードをモダリティ固有の外観コードに分解するために、特徴不整合を用いる。 我々は,BRATSチャレンジデータセットを用いて,重要なマルチモーダル脳腫瘍セグメンテーション課題に対する本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2020-02-22T14:32:04Z)

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。