論文の概要: OREHAS: A fully automated deep-learning pipeline for volumetric endolymphatic hydrops quantification in MRI

• arxiv url: http://arxiv.org/abs/2601.18368v1
• Date: Mon, 26 Jan 2026 11:19:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.790977
• Title: OREHAS: A fully automated deep-learning pipeline for volumetric endolymphatic hydrops quantification in MRI
• Title（参考訳）: OREHAS:MRIにおけるボリューム内リンパ水腫定量化のための完全自動ディープラーニングパイプライン
• Authors: Caterina Fuster-Barceló, Claudia Castrillón, Laura Rodrigo-Muñoz, Victor Manuel Vega-Suárez, Nicolás Pérez-Fernández, Gorka Bastarrika, Arrate Muñoz-Barrutia,
• Abstract要約: OREHASは、内リンパ水腫の体積定量のための最初の完全自動パイプラインである。 耳内リンパ管-胸腔内体積比をMRI全容から直接計算する。
• 参考スコア（独自算出の注目度）: 0.5947663081597012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present OREHAS (Optimized Recognition & Evaluation of volumetric Hydrops in the Auditory System), the first fully automatic pipeline for volumetric quantification of endolymphatic hydrops (EH) from routine 3D-SPACE-MRC and 3D-REAL-IR MRI. The system integrates three components -- slice classification, inner ear localization, and sequence-specific segmentation -- into a single workflow that computes per-ear endolymphatic-to-vestibular volume ratios (ELR) directly from whole MRI volumes, eliminating the need for manual intervention. Trained with only 3 to 6 annotated slices per patient, OREHAS generalized effectively to full 3D volumes, achieving Dice scores of 0.90 for SPACE-MRC and 0.75 for REAL-IR. In an external validation cohort with complete manual annotations, OREHAS closely matched expert ground truth (VSI = 74.3%) and substantially outperformed the clinical syngo.via software (VSI = 42.5%), which tended to overestimate endolymphatic volumes. Across 19 test patients, vestibular measurements from OREHAS were consistent with syngo.via, while endolymphatic volumes were systematically smaller and more physiologically realistic. These results show that reliable and reproducible EH quantification can be achieved from standard MRI using limited supervision. By combining efficient deep-learning-based segmentation with a clinically aligned volumetric workflow, OREHAS reduces operator dependence, ensures methodological consistency. Besides, the results are compatible with established imaging protocols. The approach provides a robust foundation for large-scale studies and for recalibrating clinical diagnostic thresholds based on accurate volumetric measurements of the inner ear.
• Abstract（参考訳）: OREHAS(Optimized Recognition and Evaluation of volumetric hydrops in the Auditory System)は,3D-SPACE-MRCおよび3D-REAL-IR MRIによる内リンパ水腫(EH)の容積定量化のための最初の完全自動パイプラインである。 このシステムはスライス分類、内耳ローカライゼーション、シーケンス特異的セグメンテーションという3つのコンポーネントを単一のワークフローに統合し、MRIのボリューム全体から直接耳内リンパ管間容積比(ELR)を計算する。 OREHASは患者1人あたり3～6個の注釈付きスライスで訓練され、全3Dボリュームに効果的に一般化され、SPACE-MRCは0.90、REAL-IRは0.75のDiceスコアを得た。 完全なマニュアルによる検証コホートでは、OREHASは専門家の根拠真理(VSI = 74.3%)と密に一致し、内リンパの体積を過大評価する傾向にある臨床シンゴ.via(VSI = 42.5%)よりもかなり優れていた。 19例中, OREHASの前庭計測はSyngo.viaと一致し, 内リンパ体積は体系的に小さく, 生理的にも現実的であった。 以上の結果から,標準的なMRI画像から高信頼かつ再現性なEH定量化が可能であることが示唆された。 OREHASは、効率的なディープラーニングベースのセグメンテーションと臨床的に整列したボリュームワークフローを組み合わせることで、演算子の依存を低減し、方法論的な一貫性を確保する。 さらに、その結果は確立されたイメージングプロトコルと互換性がある。 このアプローチは、大規模な研究と、内耳の正確な容積測定に基づく臨床診断閾値の再検討のための堅牢な基盤を提供する。

関連論文リスト

• Segmentation of Ischemic Stroke Lesions using Transfer Learning on Multi-sequence MRI [0.0]
  各種MRIで虚血性脳梗塞を自動的に分類するための新しい枠組みを提案する。 提案手法はISLES 2015 Brain Stroke シーケンスデータセットで検証されている。 我々の努力はDiceスコア80.5%、精度74.03%を達成し、セグメンテーションアプローチの有効性を示した。
  論文  参考訳（メタデータ） (2025-11-10T16:27:25Z)
• Automatic segmentation of colorectal liver metastases for ultrasound-based navigated resection [0.0]
  自動セグメンテーションは、超音波ベースのナビゲーションの精度と効率を高めることができる。 85例のCRLM患者から得られた8例の3D iUSを3D U-Netのトレーニングおよび評価に使用した。 結果: 収穫量モデルは全量モデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-11-07T14:13:31Z)
• 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)
• Automated Measurement of Optic Nerve Sheath Diameter Using Ocular Ultrasound Video [14.016658180958444]
  OnSD計測のためのビデオシーケンスから最適なフレームを自動的に識別する新しい手法を提案する。 提案手法は平均誤差,平均二乗偏差,クラス内相関係数(ICC)をそれぞれ0.04,0.054,0.782とした。
  論文  参考訳（メタデータ） (2025-06-03T12:14:51Z)
• Segmenting Bi-Atrial Structures Using ResNext Based Framework [3.0838948803252904]
  左心房(LA)と右心房(RA)の完全自動セグメンテーションのための新しい2段階ディープラーニングフレームワークTASSNetを提案する。 TASSNetは、(i)限られた医療データセットからの特徴抽出を強化するResNeXtベースのエンコーダ、(ii)高度に不均衡な小さな3Dセグメンテーションタスクにおける収束不安定に対処するための循環学習率スケジュールの2つの主要なイノベーションを紹介している。
  論文  参考訳（メタデータ） (2025-02-28T10:23:12Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• Continuous max-flow augmentation of self-supervised few-shot learning on SPECT left ventricles [0.0]
  本研究の目的は, 診断センターとクリニックが, 小型・低品質のSPECTラベルに基づいて自動的に心筋のセグメンテーションを行うためのレシピを提供することである。 SPECT装置の様々な領域における3次元U-Net自己教師学習(SSL)アプローチを強化するために,CMF(Continuous Max-Flow)と事前形状情報の組み合わせを開発した。
  論文  参考訳（メタデータ） (2024-05-09T03:19:19Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。