論文の概要: Leveraging Unlabeled Scans for NCCT Image Segmentation in Early Stroke Diagnosis: A Semi-Supervised GAN Approach

• arxiv url: http://arxiv.org/abs/2511.19576v1
• Date: Mon, 24 Nov 2025 18:14:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.105836
• Title: Leveraging Unlabeled Scans for NCCT Image Segmentation in Early Stroke Diagnosis: A Semi-Supervised GAN Approach
• Title（参考訳）: 初期ストローク診断におけるNCCT画像分割のためのラベルなしスコープの活用 : 半監督的GANアプローチ
• Authors: Maria Thoma, Michalis A. Savelonas, Dimitris K. Iakovidis,
• Abstract要約: 虚血性脳卒中は、患者の予後を改善するために急激な診断が不可欠である、時間的クリティカルな医療緊急事態である。 非コントラストCT(non-contrast Computed tomography)は、最前線撮影ツールとして機能するが、早期の超急性期における微妙な虚血変化を明らかにするのに失敗することが多い。 本稿では,早期虚血性脳梗塞領域を正確に記述するためのGANを用いた半教師付きセグメンテーション手法を提案する。
• 参考スコア（独自算出の注目度）: 4.199320411821769
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ischemic stroke is a time-critical medical emergency where rapid diagnosis is essential for improving patient outcomes. Non-contrast computed tomography (NCCT) serves as the frontline imaging tool, yet it often fails to reveal the subtle ischemic changes present in the early, hyperacute phase. This limitation can delay crucial interventions. To address this diagnostic challenge, we introduce a semi-supervised segmentation method using generative adversarial networks (GANs) to accurately delineate early ischemic stroke regions. The proposed method employs an adversarial framework to effectively learn from a limited number of annotated NCCT scans, while simultaneously leveraging a larger pool of unlabeled scans. By employing Dice loss, cross-entropy loss, a feature matching loss and a self-training loss, the model learns to identify and delineate early infarcts, even when they are faint or their size is small. Experiments on the publicly available Acute Ischemic Stroke Dataset (AISD) demonstrate the potential of the proposed method to enhance diagnostic capabilities, reduce the burden of manual annotation, and support more efficient clinical decision-making in stroke care.
• Abstract（参考訳）: 虚血性脳卒中は、患者の予後を改善するために急激な診断が不可欠である、時間的に重要な医療緊急事態である。 非コントラストCT(non-contrast Computed tomography)は、最前線撮影ツールとして機能するが、早期の超急性期における微妙な虚血変化を明らかにするのに失敗することが多い。 この制限は重要な介入を遅らせる可能性がある。 そこで本研究では,早期虚血性脳梗塞領域を正確に記述するためのGANを用いた半教師付きセグメンテーション手法を提案する。 提案手法では,注釈付きNCCTスキャンの限られた数から効果的に学習する上で,ラベルなしスキャンの大きなプールを同時に活用する。 Dice の損失、クロスエントロピーの損失、特徴マッチングの損失、自己学習の損失を利用することで、モデルが早期梗塞の特定と記述を学習する。 急性期脳卒中患者の診断能力の向上,手動アノテーションの負担軽減,脳卒中診療におけるより効率的なクリニカル意思決定支援などを目的としたAISD(急性虚血性脳卒中データセット)の実験を行った。

関連論文リスト

• MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction [50.74903497515021]
  セプシス(Sepsis)は、集中治療室(ICUs)の高死亡にともなう致命的な感染症である。 早期かつ正確な敗血症予測(SP)は、時間的介入には重要であるが、微妙な早期症状と急激な死亡率の増大により、依然として困難である。 本稿では,拡張された特徴ビューを構築するための多言語ビュー表現強化(MERE)機構と,時間的表現学習のためのCDTAモジュールを提案する。 提案したMEET-Sepsis フレームワークは,SOTA 法で要求される ICU モニタリング時間の 20% のみを用いて,競合予測の精度を実現し,大幅に向上した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:29Z)
• Weakly Supervised Intracranial Aneurysm Detection and Segmentation in MR angiography via Multi-task UNet with Vesselness Prior [2.423045468361048]
  頭蓋内動脈瘤 (IAs) は脳血管の異常な拡張であり、破裂すると生命を脅かす結果をもたらす。 本稿では,脳動脈瘤の検出とセグメンテーションを共同で行うために,血管度を組み込んだ3次元マルチタスクUNetを提案する。
  論文  参考訳（メタデータ） (2025-08-01T00:45:46Z)
• Bayesian Deep Learning Approaches for Uncertainty-Aware Retinal OCT Image Segmentation for Multiple Sclerosis [0.0]
  光コヒーレンス・トモグラフィ(OCT)は眼科、心臓科、神経学の貴重な知見を提供する。 OCTを用いた眼科医にとって重要な課題は、スキャン内の網膜層のデライン化である。 深層学習を用いたデライン作成の自動化に向けた従来の取り組みは、臨床医や統計学者の獲得に困難を呈している。
  論文  参考訳（メタデータ） (2025-05-17T15:56:17Z)
• A detection-task-specific deep-learning method to improve the quality of sparse-view myocardial perfusion SPECT images [17.91266458357747]
  単光子線CT(SPECT)を併用した心筋灌流画像(MPI)は,冠動脈疾患の診断に広く用いられ,費用対効果が高い。 この画像撮影の長い走査時間は、患者の不快感、運動アーティファクト、そして潜在的に不正確な診断を引き起こす可能性がある。 スパースビューMPI SPECT画像に対する検出タスク固有のディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2025-04-22T18:01:03Z)
• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• Low-Resolution Chest X-ray Classification via Knowledge Distillation and Multi-task Learning [46.75992018094998]
  胸部X線(CXR)を低分解能で診断する上での課題について検討した。 高分解能CXRイメージングは、結節や不透明など、小さなが重要な異常を識別するために重要である。 本稿では,MLCAK(Multilevel Collaborative Attention Knowledge)法を提案する。
  論文  参考訳（メタデータ） (2024-05-22T06:10:54Z)
• SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
  冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。 心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。 自動冠状動脈疾患診断では異常な成績を示した。
  論文  参考訳（メタデータ） (2023-11-17T02:01:19Z)
• Calibrate the inter-observer segmentation uncertainty via diagnosis-first principle [45.29954184893812]
  本稿では, サーバ間セグメンテーションの不確実性を校正するための基準として, 診断第一原則を提案する。 さらに, 原画像からのTake and Give Modelto segment DF-GTを提案する。 実験の結果, 提案したDiFFは, 対応する疾患の診断を著しく促進できることがわかった。
  論文  参考訳（メタデータ） (2022-08-05T07:12:24Z)
• Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
  我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。 本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
  論文  参考訳（メタデータ） (2022-04-20T16:16:16Z)

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。