論文の概要: TinyViT-Batten: Few-Shot Vision Transformer with Explainable Attention for Early Batten-Disease Detection on Pediatric MRI

• arxiv url: http://arxiv.org/abs/2510.09649v1
• Date: Mon, 06 Oct 2025 03:01:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.516866
• Title: TinyViT-Batten: Few-Shot Vision Transformer with Explainable Attention for Early Batten-Disease Detection on Pediatric MRI
• Title（参考訳）: TinyViT-Batten:Few-Shot Vision Transformer : 小児MRIにおける早期バッテン病検出のための説明可能な注意
• Authors: Khartik Uppalapati, Bora Yimenicioglu, Shakeel Abdulkareem, Adan Eftekhari, Bhavya Uppalapati, Viraj Kamath,
• Abstract要約: バッテン病(英: Batten disease,neuronal ceroid lipofuscinosis)は、小児神経変性疾患である。 小児脳MRIから早期バッテン病を検出するための数ショットビジョントランスフォーマ(ViT)フレームワークであるTinyViT-Battenを提案する。 約91%)の精度と,少なくとも0.95未満の領域を,79個のBatten-disease MRIのマルチサイトデータセット上で達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Batten disease (neuronal ceroid lipofuscinosis) is a rare pediatric neurodegenerative disorder whose early MRI signs are subtle and often missed. We propose TinyViT-Batten, a few-shot Vision Transformer (ViT) framework to detect early Batten disease from pediatric brain MRI with limited training cases. We distill a large teacher ViT into a 5 M-parameter TinyViT and fine-tune it using metric-based few-shot learning (prototypical loss with 5-shot episodes). Our model achieves high accuracy (approximately 91%) and area under ROC of at least 0.95 on a multi-site dataset of 79 genetically confirmed Batten-disease MRIs (27 CLN3 from the Hochstein natural-history study, 32 CLN2 from an international longitudinal cohort, 12 early-manifestation CLN2 cases reported by Cokal et al., and 8 public Radiopaedia scans) together with 90 age-matched controls, outperforming a 3D-ResNet and Swin-Tiny baseline. We further integrate Gradient-weighted Class Activation Mapping (Grad-CAM) to highlight disease-relevant brain regions, enabling explainable predictions. The model's small size and strong performance (sensitivity greater than 90%, specificity approximately 90%) demonstrates a practical AI solution for early Batten disease detection.
• Abstract（参考訳）: Batten病 (neuronal ceroid lipofuscinosis) は稀な小児神経変性疾患である。 小児脳MRIから早期バッテン病を検出するための数ショットビジョントランスフォーマ(ViT)フレームワークであるTinyViT-Battenを提案する。 大規模教師のViTを5MパラメーターのTinyViTに蒸留し,メートル法に基づく少数ショット学習(5ショットエピソードの原型的損失)を用いて微調整する。 以上の結果から,Hochstein自然史研究から得られた79個のBatten-disease MRI(27 CLN3),国際縦断コホートからの32個のCLN2,Cokalらにより報告された12個の早期管理CLN2,および8個のRadiopaediaスキャン)と90個の老化制御を併用して,少なくとも0.95以下のRACの精度と面積を達成し,3D-ResNetおよびSwin-Tinyベースラインを上回った。 我々はさらに、Grad-CAM (Grad-CAM) を統合して、疾患関連脳領域を強調し、説明可能な予測を可能にする。 このモデルの小さなサイズと強い性能(感度は90%以上、特異度は約90%)は、早期バッテン病検出のための実用的なAIソリューションを示している。

関連論文リスト

• TissUnet: Improved Extracranial Tissue and Cranium Segmentation for Children through Adulthood [1.1144337101638346]
  頭蓋骨,皮下脂肪,筋肉を3次元T1強調MRIから抽出する深層学習モデルTissUnetを提案する。 このモデルは155対のMRI断層撮影(CT)スキャンでトレーニングされ、9つのデータセットで検証された。
  論文  参考訳（メタデータ） (2025-06-06T01:21:34Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Triamese-ViT: A 3D-Aware Method for Robust Brain Age Estimation from MRIs [0.7770029179741429]
  本稿では,脳年齢推定のためのViTモデルの革新的適応であるTriamese-ViTを紹介する。 1351のMRIスキャンでテストした結果、Triamese-ViTは平均絶対誤差(MAE)が3.84、スピアマン相関係数が0.9、スピアマン相関係数が-0.29である。
  論文  参考訳（メタデータ） (2024-01-13T03:29:56Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
  ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。 年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。 そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T09:39:52Z)
• Infant Brain Age Classification: 2D CNN Outperforms 3D CNN in Small Dataset [0.14063138455565613]
  乳児の脳磁気共鳴画像(MRI)は、ミエリン化以外の特定の発達パターンを示す。 標準化された基準がなければ、3歳前のMRIから脳の構造的成熟度を視覚的に推定することは、サーバ間およびサーバ内変動によって支配される。 我々は、この課題に取り組むための一般的な実現可能性と、2次元および3次元畳み込みニューラルネットワーク(CNN)を含む様々なアプローチの有用性について検討する。 中央軸厚スラブ上に2次元CNNを用いて0.90[95% CI:0.86-0.94]の精度を達成した。
  論文  参考訳（メタデータ） (2021-12-27T18:02:48Z)
• Advances in Classifying the Stages of Diabetic Retinopathy Using Convolutional Neural Networks in Low Memory Edge Devices [0.0]
  糖尿病網膜症(DR)は重症合併症であり、網膜血管障害を引き起こす可能性がある。 これは視覚障害と視覚障害の主要な原因の1つである。 低メモリエッジマイクロコントローラ上でDRのすべてのステージを検出するために畳み込みニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-03T10:40:54Z)

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。