論文の概要: Dual-attention ResNet outperforms transformers in HER2 prediction on DCE-MRI

• arxiv url: http://arxiv.org/abs/2510.13897v1
• Date: Tue, 14 Oct 2025 17:08:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.52206
• Title: Dual-attention ResNet outperforms transformers in HER2 prediction on DCE-MRI
• Title（参考訳）: Dual-attention ResNetはDCE-MRI上のHER2予測においてトランスフォーマーより優れる
• Authors: Naomi Fridman, Anat Goldstein,
• Abstract要約: ダイナミックコントラスト造影MRI(DCE-MRI)による非侵襲的HER2像の予測は、診断を効率化し、生検への依存を減らすことができる。 我々は、RGB融合時間列を処理するトリプルヘッドデュアルアテンションResNetを用いて、強度正規化戦略のベンチマークを行った。 I-SPYテストデータ上では,0.75の精度,0.74のAUCを実現した。
• 参考スコア（独自算出の注目度）: 1.9336815376402718
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast cancer is the most diagnosed cancer in women, with HER2 status critically guiding treatment decisions. Noninvasive prediction of HER2 status from dynamic contrast-enhanced MRI (DCE-MRI) could streamline diagnostics and reduce reliance on biopsy. However, preprocessing high-dynamic-range DCE-MRI into standardized 8-bit RGB format for pretrained neural networks is nontrivial, and normalization strategy significantly affects model performance. We benchmarked intensity normalization strategies using a Triple-Head Dual-Attention ResNet that processes RGB-fused temporal sequences from three DCE phases. Trained on a multicenter cohort (n=1,149) from the I-SPY trials and externally validated on BreastDCEDL_AMBL (n=43 lesions), our model outperformed transformer-based architectures, achieving 0.75 accuracy and 0.74 AUC on I-SPY test data. N4 bias field correction slightly degraded performance. Without fine-tuning, external validation yielded 0.66 AUC, demonstrating cross-institutional generalizability. These findings highlight the effectiveness of dual-attention mechanisms in capturing transferable spatiotemporal features for HER2 stratification, advancing reproducible deep learning biomarkers in breast cancer imaging.
• Abstract（参考訳）: 乳癌は女性で最も診断されたがんであり、HER2は治療決定を批判的に導く。 ダイナミックコントラスト造影MRI(DCE-MRI)による非侵襲的HER2像の予測は、診断を効率化し、生検への依存を減らすことができる。 しかし,高ダイナミックレンジDCE-MRIをトレーニング済みニューラルネットワークの標準8ビットRGBフォーマットに前処理することは簡単ではなく,正規化戦略はモデル性能に大きな影響を及ぼす。 3つのDCE位相からRGB融合時間列を処理するトリプルヘッドデュアルアテンションResNetを用いて、強度正規化戦略のベンチマークを行った。 I-SPY試験から得られた多心コーホート(n=1,149)を用いてトレーニングし,BreastDCEDL_AMBL(n=43病変)を用いて外的検証を行った。 N4バイアス場補正はわずかに劣化した。 微調整がなければ、外部検証は 0.66 AUC となり、施設間の一般化性が証明された。 以上の結果より, 乳がん画像におけるHER2層形成と再現性深層学習バイオマーカーの関与が示唆された。

関連論文リスト

• Toward a robust lesion detection model in breast DCE-MRI: adapting foundation models to high-risk women [4.615277920713566]
  ダイナミックコントラスト強調MRI(DCE-MRI)を用いた乳房病変分類のための術前基礎モデルである医用スライストランスフォーマー(MST)を適応した分類パイプラインを提案する。 本研究は, 基礎モデル埋め込みと高度な分類手法を組み合わせることで, 乳房MRI解析ツールの構築に有効であることを示す。
  論文  参考訳（メタデータ） (2025-09-02T18:11:18Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• 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)
• BreastDCEDL: A Comprehensive Breast Cancer DCE-MRI Dataset and Transformer Implementation for Treatment Response Prediction [0.0]
  乳がん患者2,070例の3D Dynamic Contrast-Enhanced MRI(DCE-MRI)を前処理した深層学習データセットであるBreastDCEDLについて報告する。 生のDICOM画像データは、厳密に3D NIfTIボリュームに変換され、信号の整合性が保たれた。 BreastDCEDLには、事前に定義されたベンチマーク分割が含まれており、再現可能な研究のためのフレームワークを提供し、乳がん画像における臨床的に意味のあるモデリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-13T19:31:57Z)
• T2-Only Prostate Cancer Prediction by Meta-Learning from Bi-Parametric MR Imaging [39.64252838533947]
  現在の画像に基づく前立腺癌の診断には、MR T2強調画像(T2w)と拡散強調画像(DWI)の両方が必要である。 DWI配列における拡散パターンの測定には時間がかかり、アーティファクトに傾向があり、イメージングパラメータに敏感である。 本研究では,T2wシーケンスのみを推論時間に用いた機械学習(ML)手法の可能性について検討した。
  論文  参考訳（メタデータ） (2024-11-11T22:38:45Z)
• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
  本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。 発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
  論文  参考訳（メタデータ） (2023-08-01T12:46:02Z)
• Assessment of Data Consistency through Cascades of Independently Recurrent Inference Machines for fast and robust accelerated MRI reconstruction [0.0]
  データ一貫性(DC)は多モードデータの一般化と病理診断における堅牢性に不可欠である。 本研究は、非ループ最適化によりDCを評価するために、CIRIM (Independently Recurrent Inference Machines) のカスケードを提案する。 E2EVNは直流を明示的に定式化する必要があるのに対し、直流を暗黙的に強制する場合はCIRIMが最善であることを示す。
  論文  参考訳（メタデータ） (2021-11-30T15:34:30Z)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)

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。