論文の概要: Radiation-Preserving Selective Imaging for Pediatric Hip Dysplasia: A Cross-Modal Ultrasound-Xray Policy with Limited Labels

• arxiv url: http://arxiv.org/abs/2511.18457v1
• Date: Sun, 23 Nov 2025 13:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.850656
• Title: Radiation-Preserving Selective Imaging for Pediatric Hip Dysplasia: A Cross-Modal Ultrasound-Xray Policy with Limited Labels
• Title（参考訳）: 小児股関節異形成症に対する放射線治療用選択的イメージング法の検討
• Authors: Duncan Stothers, Ben Stothers, Emily Schaeffer, Kishore Mulpuri,
• Abstract要約: 当科では, 必要なときにのみX線撮影を要求できる, 進行性股関節異形成症(DDH)に対する超音波第1次放射線治療方針について検討した。 超音波予測における一側共形推論則を校正し, 交換性下でのサンプルカバレッジを有限に保証する。 我々は,リミテッドラベルを,臨床ハンドオフに適した解釈可能な測定値と選択的画像曲線に変換する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study an ultrasound-first, radiation-preserving policy for developmental dysplasia of the hip (DDH) that requests a radiograph only when needed. We (i) pretrain modality-specific encoders (ResNet-18) with SimSiam on a large unlabelled registry (37186 ultrasound; 19546 radiographs), (ii) freeze the backbones and fit small, measurement-faithful heads on DDH relevant landmarks and measurements (iii) calibrate a one sided conformal deferral rule on ultrasound predictions that provides finite sample coverage guarantees under exchangeability, using a held-out calibration set. Ultrasound heads predict Graf alpha, beta, and femoral head coverage; X-ray heads predict acetabular index (AI), center-edge (CE) angle and IHDI grade. On our held out labeled evaluation set, ultrasound measurement error is modest (e.g., alpha MAE ~= 9.7 degrees, coverage MAE ~= 14.0%), while radiographic probes achieve AI and CE MAEs of ~= 7.6 degrees and ~= 8.9 degrees, respectively. The calibrated US-only policy is explored across rule families (alpha-only; alpha OR coverage; alpha AND coverage), uncertainty inflation factors, and per-utility trade-offs using decision-curve analysis. Conservative settings yield high coverage with near-zero US-only rates; permissive settings (e.g., alpha OR coverage at larger deltas) achieve non-zero US-only throughput with expected coverage tradeoffs. The result is a simple, reproducible pipeline that turns limited labels into interpretable measurements and tunable selective imaging curves suitable for clinical handoff and future external validation.
• Abstract（参考訳）: 当科では, 必要なときにのみX線撮影を要求できる, 進行性股関節異形成症(DDH)に対する超音波第1次放射線治療方針について検討した。 我が家 (i)SimSiamを大型未標識レジストリ(37186超音波、19546ラジオグラフィー)に組み込んだプレトレインモード特化エンコーダ(ResNet-18) 二 DDH関連ランドマーク及び測定値上に背骨を凍結し、小型かつ測定に富んだ頭部に適合するさま 3) ホールドアウトキャリブレーションセットを用いて、交換性の下で有限サンプルカバレッジを保証する超音波予測の片側共形遅延則をキャリブレーションする。 超音波ヘッドはGrafα、β、大腿骨頭被覆を予測し、X線ヘッドはAcetabular index(AI)、Central-edge(CE)角、IHDIグレードを予測する。 得られたラベル付き評価セットでは, 超音波測定誤差は比較的低く(例: α MAE ~= 9.7°, カバーMAE ~= 14.0%) , 放射光プローブはAI, CE MAEs ~= 7.6°, ~= 8.9° をそれぞれ達成している。 校正された米国のみの政策は、ルールファミリ(アルファのみ、アルファのみ、アルファとカバー)、不確実性のインフレ要因、および意思決定曲線分析を用いた実用単位のトレードオフを調査する。 パーミッシブな設定(例えば、大きなデルタでのアルファORカバレッジ)は、予想されるカバレッジトレードオフによって、非ゼロの米国のみのスループットを達成する。 その結果、限定ラベルを解釈可能な測定値に変換し、臨床ハンドオフに適した調整可能な選択的画像曲線と将来の外部検証に適合する、シンプルで再現可能なパイプラインが得られた。

関連論文リスト

• USF-MAE: Ultrasound Self-Supervised Foundation Model with Masked Autoencoding [0.205246094017924]
  マスク付き自動符号化(USF-MAE)を用いた超音波自己監督基礎モデルについて紹介する。 USF-MAEは超音波データのみに事前訓練された最初の大規模自己監督型MAEフレームワークである。 このモデルは、46のオープンソースデータセットから算出された370,000の2Dおよび3D超音波画像で事前訓練された。
  論文  参考訳（メタデータ） (2025-10-27T04:16:43Z)
• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Automatic Ultrasound Curve Angle Measurement via Affinity Clustering for Adolescent Idiopathic Scoliosis Evaluation [1.9747854071595796]
  思春期特発性強皮症(AIS)を評価するための現在の臨床金基準は、コブ角測定を用いたX線X線撮影である。 自動超音波曲線角測定(UCA)のための推定モデルを提案する。 このモデルでは、二重ブランチネットワークを用いて、候補のランドマークを検出し、超音波コロナ画像の椎骨分割を行う。
  論文  参考訳（メタデータ） (2024-05-06T03:28:47Z)
• Can ultrasound confidence maps predict sonographers' labeling variability? [38.75943978900532]
  本研究は,ソノグラフィーの不確実性を考慮するために,超音波セグメンテーションネットワークを誘導する新しい手法を提案する。 信頼性マップの低値と専門家のラベルの不確実性との間には相関関係があることが示されている。 以上の結果から,超音波CMではDiceスコアが増加し,HusdorffおよびAverage Surface Distanceが向上し,孤立画素の予測回数が減少した。
  論文  参考訳（メタデータ） (2023-08-18T10:07:17Z)
• Private, fair and accurate: Training large-scale, privacy-preserving AI models in medical imaging [47.99192239793597]
  我々は,AIモデルのプライバシ保護トレーニングが,非プライベートトレーニングと比較して精度と公平性に与える影響を評価した。 我々の研究は、実際の臨床データセットの困難な現実的な状況下では、診断深層学習モデルのプライバシー保護トレーニングは、優れた診断精度と公正さで可能であることを示しています。
  論文  参考訳（メタデータ） (2023-02-03T09:49:13Z)
• Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
  不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。 また、TNCD: Thyroid Nodule Classification データセットも提供します。
  論文  参考訳（メタデータ） (2022-07-02T11:50:02Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)
• Machine-Learning-Based Multiple Abnormality Prediction with Large-Scale Chest Computed Tomography Volumes [64.21642241351857]
  19,993症例から36,316巻の胸部CTデータセットを収集,解析した。 自由テキストラジオグラフィーレポートから異常ラベルを自動的に抽出するルールベース手法を開発した。 胸部CTボリュームの多臓器・多臓器分類モデルも開発した。
  論文  参考訳（メタデータ） (2020-02-12T00:59:23Z)

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。