論文の概要: Non-Contrast CT Esophageal Varices Grading through Clinical Prior-Enhanced Multi-Organ Analysis
- arxiv url: http://arxiv.org/abs/2512.19415v2
- Date: Fri, 26 Dec 2025 07:54:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-29 13:23:29.795915
- Title: Non-Contrast CT Esophageal Varices Grading through Clinical Prior-Enhanced Multi-Organ Analysis
- Title（参考訳）: 術前多臓器分析による非造影CT食道静脈グラフトの検討
- Authors: Xiaoming Zhang, Chunli Li, Jiacheng Hao, Yuan Gao, Danyang Tu, Jianyi Qiao, Xiaoli Yin, Le Lu, Ling Zhang, Ke Yan, Yang Hou, Yu Shi,
- Abstract要約: 食道静脈瘤 (EV) は門脈圧亢進症の重要な合併症であり, 約60%の肝硬変患者の30%の出血リスクに影響を及ぼす。
NCCTスキャンの包括的解析によりEV評価を向上させる新しいマルチモーダルフレームワークであるMOON++を提案する。
- 参考スコア（独自算出の注目度）: 21.72960759847733
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Esophageal varices (EV) represent a critical complication of portal hypertension, affecting approximately 60% of cirrhosis patients with a significant bleeding risk of ~30%. While traditionally diagnosed through invasive endoscopy, non-contrast computed tomography (NCCT) presents a potential non-invasive alternative that has yet to be fully utilized in clinical practice. We present Multi-Organ-COhesion Network++ (MOON++), a novel multimodal framework that enhances EV assessment through comprehensive analysis of NCCT scans. Inspired by clinical evidence correlating organ volumetric relationships with liver disease severity, MOON++ synthesizes imaging characteristics of the esophagus, liver, and spleen through multimodal learning. We evaluated our approach using 1,631 patients, those with endoscopically confirmed EV were classified into four severity grades. Validation in 239 patient cases and independent testing in 289 cases demonstrate superior performance compared to conventional single organ methods, achieving an AUC of 0.894 versus 0.803 for the severe grade EV classification (G3 versus <G3) and 0.921 versus 0.793 for the differentiation of moderate to severe grades (>=G2 versus <G2). We conducted a reader study involving experienced radiologists to further validate the performance of MOON++. To our knowledge, MOON++ represents the first comprehensive multi-organ NCCT analysis framework incorporating clinical knowledge priors for EV assessment, potentially offering a promising non-invasive diagnostic alternative.
- Abstract（参考訳）: 食道静脈瘤(EV)は門脈圧亢進症の重要な合併症であり,約60%の肝硬変患者で出血リスクは30%程度である。
従来,非コントラストCT(non-contrast Computed tomography, NCCT)は侵襲的内視鏡検査で診断されてきたが, 臨床ではまだ十分に利用されていない非侵襲的代替手段の可能性を示唆している。
NCCTスキャンの包括的解析によりEV評価を向上させる新しいマルチモーダルフレームワークであるMOON++を提案する。
MOON++は, 臓器体積と肝疾患重症度との関連性に関する臨床的証拠に触発され, 食道, 肝臓, 脾臓のイメージング特性を多変量学習により合成する。
症例は1,631例で, 内視鏡検査で確認されたEVは4つの重度グレードに分類した。
239例, 独立検査289例において, AUCが0.894例, AUCが0.803例, G3例, 0.793例で0.921例, G2例で0。
本研究は、MOON++の性能を更に検証するために、経験者放射線学者を対象とする読者調査を行った。
私たちの知る限り、MOON++は、EVアセスメントに臨床知識を取り入れた初めての総合的な多臓器NCCT分析フレームワークであり、有望な非侵襲的診断代替手段を提供する可能性がある。
関連論文リスト
- Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。
DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
論文 参考訳（メタデータ） (2025-11-30T12:45:02Z) - LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。
CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文 参考訳（メタデータ） (2025-08-23T07:21:23Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。
本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。
そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文 参考訳（メタデータ） (2024-10-18T12:37:51Z) - Improved Esophageal Varices Assessment from Non-Contrast CT Scans [15.648325577912608]
食道静脈瘤(EV)は門脈圧亢進による重篤な健康上の問題である。
非造影CT(non-contrast Computed Tomography, NC-CT)は, 安価で非侵襲的な画像モダリティであるにもかかわらず, EV評価のための主要な臨床診断ツールとして完全には受け入れられていない。
我々は,NC-CTスキャンにおける重要な臓器機能の解析を改良し,EVを効果的に評価するMulti-Organ-cOhesion-Network(MOON)を提案する。
論文 参考訳（メタデータ） (2024-07-18T06:49:10Z) - Random Expert Sampling for Deep Learning Segmentation of Acute Ischemic
Stroke on Non-contrast CT [2.0296858917615856]
急性期脳梗塞患者233例の非コントラストCTは260例であった。
U-Netベンチマークは、経験豊富な3人の神経放射線学者の基準アノテーションに基づいて、多数決とランダムな専門家サンプリングトレーニングスキームを用いて虚血性脳組織を分別するように訓練された。
ランダムな専門家サンプリングに基づいてトレーニングされたモデルでは、CT灌流に似た非コントラストCT上の急性虚血性脳組織の存在と位置を専門家よりも優れた一貫性で特定することができる。
論文 参考訳（メタデータ） (2023-09-07T16:59:38Z) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳（メタデータ） (2023-02-02T08:45:17Z) - A deep learning pipeline for localization, differentiation, and
uncertainty estimation of liver lesions using multi-phasic and multi-sequence
MRI [15.078841623264543]
肝病変評価のための完全自動コンピュータ支援診断(CAD)ソリューションを提案する。
肝切除または生検を施行し,肝癌(HCC),肝内胆管癌,二次転移と診断された400例を経験した。
キースライス解析を用いて3次元MRI画像から病変を局所化し,その診断に信頼性を提供する完全自動深部CADパイプラインを提案する。
論文 参考訳（メタデータ） (2021-10-17T13:19:00Z) - A Flexible Three-Dimensional Hetero-phase Computed Tomography
Hepatocellular Carcinoma (HCC) Detection Algorithm for Generalizable and
Practical HCC Screening [18.78910829126741]
肝細胞癌 (HCC) は腹部CTで診断できる可能性がある。
我々は異相体積検出(HPVD)と呼ばれる柔軟な3次元深度アルゴリズムを開発した。
HPVDは、コントラストフェーズの入力の組み合わせと、臨床目的に応じて調整可能な感度を受け入れることができる。
論文 参考訳（メタデータ） (2021-08-17T08:14:29Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。