論文の概要: Topological Conditioning for Mammography Models via a Stable Wavelet-Persistence Vectorization

• arxiv url: http://arxiv.org/abs/2512.10151v1
• Date: Wed, 10 Dec 2025 23:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.111545
• Title: Topological Conditioning for Mammography Models via a Stable Wavelet-Persistence Vectorization
• Title（参考訳）: 安定ウェーブレット永続ベクトル化によるマンモグラフィーモデルの位相条件付け
• Authors: Charles Fanning, Mehmet Emin Aktas,
• Abstract要約: マンモグラフィーのスクリーニングは死亡率を低下させるが、解釈は依然としてかなりの偽陰性と偽陽性に悩まされている。 本稿では、ウェーブレットに基づく永続ホモロジーのベクトル化に基づく外部性能の向上を目的とした簡易な条件付け信号を提案する。
• 参考スコア（独自算出の注目度）: 0.06445605125467573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer is the most commonly diagnosed cancer in women and a leading cause of cancer death worldwide. Screening mammography reduces mortality, yet interpretation still suffers from substantial false negatives and false positives, and model accuracy often degrades when deployed across scanners, modalities, and patient populations. We propose a simple conditioning signal aimed at improving external performance based on a wavelet based vectorization of persistent homology. Using topological data analysis, we summarize image structure that persists across intensity thresholds and convert this information into spatial, multi scale maps that are provably stable to small intensity perturbations. These maps are integrated into a two stage detection pipeline through input level channel concatenation. The model is trained and validated on the CBIS DDSM digitized film mammography cohort from the United States and evaluated on two independent full field digital mammography cohorts from Portugal (INbreast) and China (CMMD), with performance reported at the patient level. On INbreast, augmenting ConvNeXt Tiny with wavelet persistence channels increases patient level AUC from 0.55 to 0.75 under a limited training budget.
• Abstract（参考訳）: 乳がんは女性で最も一般的に診断されるがんであり、世界中でがん死の原因となっている。 マンモグラフィーのスクリーニングは死亡率を低下させるが、解釈には重大な偽陰性や偽陽性が伴う。 本稿では、ウェーブレットに基づく永続ホモロジーのベクトル化に基づく外部性能の向上を目的とした簡易な条件付け信号を提案する。 トポロジカルデータ解析を用いて、強度閾値を超えて持続する画像構造を要約し、この情報を小さな強度摂動に対して確実に安定な空間的マルチスケールマップに変換する。 これらのマップは入力レベルチャネル結合を介して2段階検出パイプラインに統合される。 本モデルは,米国産のCBIS DDSMデジタルマンモグラフィーコホートを用いて,ポルトガル(インブレスト)と中国(CMMD)の2つの独立したフルフィールドデジタルマンモグラフィーコホートで評価し,患者レベルでの性能を報告した。 Inbreastでは、ウェーブレットの持続チャネルでConvNeXt Tinyを増強すると、限られたトレーニング予算の下で患者レベルAUCが0.55から0.55に増加する。

関連論文リスト

• FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI [44.4791295950757]
  我々は脳MRIのための教師なし異常検出(UAD)アプローチを開発した。 病的シグネチャの最初の系統的周波数領域解析を行う。 周波数分割前処理(FDP)フレームワークは,周波数領域再構成を同時に行うことで,病態の抑制と解剖学的保存を同時に行うことができることを示す。
  論文  参考訳（メタデータ） (2025-11-17T02:40:14Z)
• Cinepro: Robust Training of Foundation Models for Cancer Detection in Prostate Ultrasound Cineloops [3.034460890230546]
  我々は,前立腺癌(PCa)を超音波シネループ内に局在させる基礎モデルの能力を強化するフレームワークであるCineproを紹介する。 シネプロは、バイオプシーコアの病理から報告されるがん組織の割合を、ラベルノイズに対処するための損失関数に組み込むことで、堅牢なトレーニングに適応する。 マルチセンター前立腺超音波データセットにおいて、77.1%のAUROCと83.8%のバランスの取れた精度を達成し、優れた性能を示す。
  論文  参考訳（メタデータ） (2025-01-21T18:05:11Z)
• Mammo-Clustering: A Multi-views Tri-level Information Fusion Context Clustering Framework for Localization and Classification in Mammography [13.581151516877238]
  マンモグラフィー画像は通常、非常に高解像度で、病変はごく小さな領域のみを占める。 ニューラルネットワークのダウンサンプリングは、マイクロ石灰化や微妙な構造が失われることを容易に引き起こす。 本稿では,三重情報融合を用いたコンテキストクラスタリングネットワークを提案する。
  論文  参考訳（メタデータ） (2024-09-23T10:17:13Z)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
  形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。 一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。 提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
  論文  参考訳（メタデータ） (2024-06-06T14:15:15Z)
• Variational Autoencoders for Feature Exploration and Malignancy Prediction of Lung Lesions [0.0]
  肺がんはイギリスで21%のがん死の原因となっている。 最近の研究は、定期的なスキャンから肺がんの正確な早期診断のためのAI手法の能力を実証している。 本研究では, 変異型オートエンコーダ(VAE)の肺癌病変に対する応用について検討した。
  論文  参考訳（メタデータ） (2023-11-27T11:12:33Z)
• 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)
• Towards Tumour Graph Learning for Survival Prediction in Head & Neck Cancer Patients [0.0]
  2020年に世界で100万人近い頭頸部がんが診断された。 自動セグメンテーションと予後推定アプローチは、各患者が最も効果的な治療を受けるのに役立つ。 本稿では、任意の視野(FoV)PETとCT登録スキャンでこれらの機能を実行するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-17T09:32:06Z)
• 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)

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。