論文の概要: Early Lung Cancer Diagnosis from Virtual Follow-up LDCT Generation via Correlational Autoencoder and Latent Flow Matching

• arxiv url: http://arxiv.org/abs/2511.18185v1
• Date: Sat, 22 Nov 2025 20:40:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.679045
• Title: Early Lung Cancer Diagnosis from Virtual Follow-up LDCT Generation via Correlational Autoencoder and Latent Flow Matching
• Title（参考訳）: Virtual Follow-up LDCT による早期肺癌の診断 : 相関オートエンコーダと潜時流マッチングによる検討
• Authors: Yutong Wu, Yifan Wang, Qining Zhang, Chuan Zhou, Lei Ying,
• Abstract要約: 臨床実践では、リスクの高い患者は、最初のベースラインといくつかの年次経過観察を行う必要がある。 近年, 肺癌の早期診断に人工知能(AI)法が用いられている。 本稿では,CorrFlowNetと名づけられた生成手法を提案する。
• 参考スコア（独自算出の注目度）: 18.151404268026244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lung cancer is one of the most commonly diagnosed cancers, and early diagnosis is critical because the survival rate declines sharply once the disease progresses to advanced stages. However, achieving an early diagnosis remains challenging, particularly in distinguishing subtle early signals of malignancy from those of benign conditions. In clinical practice, a patient with a high risk may need to undergo an initial baseline and several annual follow-up examinations (e.g., CT scans) before receiving a definitive diagnosis, which can result in missing the optimal treatment. Recently, Artificial Intelligence (AI) methods have been increasingly used for early diagnosis of lung cancer, but most existing algorithms focus on radiomic features extraction from single early-stage CT scans. Inspired by recent advances in diffusion models for image generation, this paper proposes a generative method, named CorrFlowNet, which creates a virtual, one-year follow-up CT scan after the initial baseline scan. This virtual follow-up would allow for an early detection of malignant/benign nodules, reducing the need to wait for clinical follow-ups. During training, our approach employs a correlational autoencoder to encode both early baseline and follow-up CT images into a latent space that captures the dynamics of nodule progression as well as the correlations between them, followed by a flow matching algorithm on the latent space with a neural ordinary differential equation. An auxiliary classifier is used to further enhance the diagnostic accuracy. Evaluations on a real clinical dataset show our method can significantly improve downstream lung nodule risk assessment compared with existing baseline models. Moreover, its diagnostic accuracy is comparable with real clinical CT follow-ups, highlighting its potential to improve cancer diagnosis.
• Abstract（参考訳）: 肺がんは最も一般的に診断されるがんの1つであり、早期診断は疾患が進行すると生存率が急激に低下するため重要である。 しかし,早期診断の達成はいまだに困難であり,特に良性疾患と微妙な早期悪性信号の鑑別が困難である。 臨床実践では、リスクの高い患者は、確定診断を受ける前に、最初のベースラインといくつかの年次経過観察(例えばCTスキャン)を行う必要があり、その結果、最適な治療が欠落する可能性がある。 近年, 肺がんの早期診断に人工知能(AI)法が用いられているが, 既存のアルゴリズムは1つの早期CTスキャンから抽出した放射線学的特徴に重点を置いている。 画像生成のための拡散モデルの最近の進歩に触発されて,CorrFlowNetと呼ばれる生成手法を提案する。 この仮想的な追跡は悪性/良性結節の早期発見を可能にし、臨床経過を待つ必要がなくなる。 トレーニング中,本手法では,初期ベースラインと後続CT画像の両方を潜在空間にエンコードする相関オートエンコーダを用いて結節進行のダイナミクスとそれらの相関をキャプチャし,次いでニューラル常微分方程式を用いて潜在空間上のフローマッチングアルゴリズムを用いる。 診断精度をさらに高めるために補助分類器を用いる。 本手法は, 既存のベースラインモデルと比較して, 下流肺結節リスク評価を大幅に改善できることを示す。 さらに、診断精度は実際の臨床CTと同等であり、がん診断を改善する可能性を強調している。

関連論文リスト

• Deep Learning Framework for Early Detection of Pancreatic Cancer Using Multi-Modal Medical Imaging Analysis [0.7161783472741748]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 本研究はPDAC早期検出のためのディープラーニングフレームワークを開発し,検証する。
  論文  参考訳（メタデータ） (2025-08-28T15:07:04Z)
• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• 4D VQ-GAN: Synthesising Medical Scans at Any Time Point for Personalised Disease Progression Modelling of Idiopathic Pulmonary Fibrosis [5.926086195644801]
  我々は,IPF患者をリアルなCTボリュームで生成できるモデルである4D-VQ-GAN(4D Vector Quantated Generative Adversarial Networks)を提案する。 縦断的CT画像を生成するためのモデルの異なる構成を評価し, 結果と地中真理データを比較した。
  論文  参考訳（メタデータ） (2025-02-08T22:25:53Z)
• Medical Artificial Intelligence for Early Detection of Lung Cancer: A Survey [11.90341994990241]
  肺がんは世界中で致死率と死亡率の主要な原因の1つである。 コンピュータ支援診断システムは肺結節の検出と分類に有効であることが証明されている。 深層学習アルゴリズムは肺結節解析の精度と効率を大幅に改善した。
  論文  参考訳（メタデータ） (2024-10-18T17:45:42Z)
• CIResDiff: A Clinically-Informed Residual Diffusion Model for Predicting Idiopathic Pulmonary Fibrosis Progression [38.14873567230233]
  特発性肺線維症(IPF)は患者の死亡率に大きく相関する。 現在の臨床基準では1年間隔で2回のCT検査を必要とする疾患の進行を規定している。 そこで我々は, 患者のCT画像からIPFの進行を正確に予測する新しい拡散モデルを開発した。
  論文  参考訳（メタデータ） (2024-08-01T22:01:42Z)
• 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)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。