論文の概要: Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging
- arxiv url: http://arxiv.org/abs/2511.07816v1
- Date: Wed, 12 Nov 2025 01:21:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-12 20:17:03.49237
- Title: Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging
- Title（参考訳）: 癌ネットワークPCa-MultiSeg:合成関連拡散イメージングを用いた前立腺癌病変のマルチモーダル増強
- Authors: Jarett Dewbury, Chi-en Amy Tai, Alexander Wong,
- Abstract要約: 前立腺癌病変の分節化に対する近年の深層学習アプローチは,限られた性能を達成している。
本稿では,標準拡散型プロトコルの拡張として,合成相関拡散イメージング(CDI$s$)について検討する。
以上の結果から,PCa病変セグメント化タスクの実践的ドロップイン強化として,CDI$s$に対する検証済み統合経路が確立された。
- 参考スコア（独自算出の注目度）: 55.62977326180104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current deep learning approaches for prostate cancer lesion segmentation achieve limited performance, with Dice scores of 0.32 or lower in large patient cohorts. To address this limitation, we investigate synthetic correlated diffusion imaging (CDI$^s$) as an enhancement to standard diffusion-based protocols. We conduct a comprehensive evaluation across six state-of-the-art segmentation architectures using 200 patients with co-registered CDI$^s$, diffusion-weighted imaging (DWI) and apparent diffusion coefficient (ADC) sequences. We demonstrate that CDI$^s$ integration reliably enhances or preserves segmentation performance in 94% of evaluated configurations, with individual architectures achieving up to 72.5% statistically significant relative improvement over baseline modalities. CDI$^s$ + DWI emerges as the safest enhancement pathway, achieving significant improvements in half of evaluated architectures with zero instances of degradation. Since CDI$^s$ derives from existing DWI acquisitions without requiring additional scan time or architectural modifications, it enables immediate deployment in clinical workflows. Our results establish validated integration pathways for CDI$^s$ as a practical drop-in enhancement for PCa lesion segmentation tasks across diverse deep learning architectures.
- Abstract（参考訳）: 現在、前立腺癌病変のセグメンテーションに対するディープラーニングアプローチは、大きな患者コホートではDiceスコアが0.32以下である、限られたパフォーマンスを実現している。
この制限に対処するため,標準拡散に基づくプロトコルの拡張として,合成相関拡散イメージング(CDI$^s$)について検討した。
我々は,CDI$s$,拡散強調画像(DWI)およびADCシーケンスを用いた6つの最先端セグメンテーションアーキテクチャの包括的評価を行った。
CDI$^s$統合は、評価された構成の94%でセグメンテーション性能を確実に向上または維持し、個々のアーキテクチャがベースラインモダリティよりも72.5%の統計的に有意な相対的改善を達成していることを示す。
CDI$^s$ + DWIは、最も安全な拡張パスとして登場し、劣化のゼロのアーキテクチャの半分で大幅に改善された。
CDI$^s$は、スキャン時間やアーキテクチャの変更を必要とせずに既存のDWI買収に由来するため、臨床ワークフローへの即時展開が可能になる。
CDI$^s$に対する検証済み統合パスを,多様なディープラーニングアーキテクチャを対象としたPCa病変分割タスクの実用的なドロップイン拡張として確立した。
関連論文リスト
- Colorectal Cancer Histopathological Grading using Multi-Scale Federated Learning [0.0]
本稿では,大腸癌診断のための拡張性,プライバシ保護型フェデレーション学習フレームワークを提案する。
我々のフレームワークは全体の83.5%の精度を達成し、同等の集中型モデルよりも優れています。
提案されたモジュールパイプラインは、デジタル病理のためのデプロイ可能でプライバシに配慮した臨床AIに向けた基礎的なステップを確立する。
論文 参考訳（メタデータ） (2025-11-05T18:18:09Z) - CASR-Net: An Image Processing-focused Deep Learning-based Coronary Artery Segmentation and Refinement Network for X-ray Coronary Angiogram [9.788176765955534]
冠動脈疾患(CAD)は死亡率の低下と患者の治療計画の改善に重要である。
冠状動脈リファインメントネットワーク(CASR-Net, Coronary Artery and Refinement Network)は, 画像前処理, セグメンテーション, 精細化の3段階からなるパイプラインである。
論文 参考訳（メタデータ） (2025-10-31T09:40:29Z) - A Large Convolutional Neural Network for Clinical Target and Multi-organ Segmentation in Gynecologic Brachytherapy with Multi-stage Learning [9.95345958148364]
本研究では,セグメンテーション性能の向上を目的とした多段階学習フレームワークであるGynBTNetを提案する。
Dice similarity Coefficient (DSC)、95th percentile Hausdorff Distance (HD95)、Average Surface Distance (ASD) を用いた最先端技術の評価を行った。
CTVは0.837+/-0.068、膀胱は0.940+/-0.052、直腸は0.842+/-0.070、子宮は0.871+/-0.047である。
論文 参考訳（メタデータ） (2025-06-01T16:21:48Z) - Cancer-Net PCa-Seg: Benchmarking Deep Learning Models for Prostate Cancer Segmentation Using Synthetic Correlated Diffusion Imaging [65.83291923029985]
前立腺癌(PCa)は米国で最も多いがんであり、約30,000人、全診断の29%、2024年に35,000人が死亡した。
前立腺特異的抗原 (PSA) 検査やMRI (MRI) などの従来のスクリーニング法は診断において重要であるが、特異性や一般化性には限界がある。
U-Net, SegResNet, Swin UNETR, Attention U-Net, LightM-UNetといった最先端のディープラーニングモデルを用いて200ドルのCDIから前立腺を抽出する。
論文 参考訳（メタデータ） (2025-01-15T22:23:41Z) - Federated Learning for Coronary Artery Plaque Detection in Atherosclerosis Using IVUS Imaging: A Multi-Hospital Collaboration [8.358846277772779]
経皮的冠動脈インターベンション(PCI)における血管内超音波(IVUS)画像の従来的解釈は時間集約的かつ矛盾する。
多段階セグメンテーションアーキテクチャを持つ並列2次元U-Netモデルを開発した。
0.706のDice similarity Coefficient (DSC) は、プラークを効果的に識別し、リアルタイムで円形の境界を検出する。
論文 参考訳（メタデータ） (2024-12-19T13:06:28Z) - Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - SynergyNet: Bridging the Gap between Discrete and Continuous
Representations for Precise Medical Image Segmentation [4.562266115935329]
既存のエンコーダ/デコーダセグメンテーションフレームワークを強化するために設計された新しいボトルネックアーキテクチャであるSynergyNetを提案する。
マルチオーガナイズドセグメンテーションと心的データセットを用いた実験により,SynergyNetが他の技術手法よりも優れていることが示された。
我々の革新的なアプローチは、医用画像解析の重要な領域において、ディープラーニングモデルの全体的な性能と能力を高める方法である。
論文 参考訳（メタデータ） (2023-10-26T20:13:44Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z)
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。