論文の概要: DensiThAI, A Multi-View Deep Learning Framework for Breast Density Estimation using Infrared Images

• arxiv url: http://arxiv.org/abs/2602.00145v1
• Date: Thu, 29 Jan 2026 07:53:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:32.975573
• Title: DensiThAI, A Multi-View Deep Learning Framework for Breast Density Estimation using Infrared Images
• Title（参考訳）: 赤外線画像を用いた乳房密度推定のための多視点深層学習フレームワークDensiThAI
• Authors: Siva Teja Kakileti, Geetha Manjunath,
• Abstract要約: 本研究では, 赤外線サーマル画像を用いた乳房密度推定の可能性について検討した。 熱画像からの乳房密度分類のための多視点深層学習フレームワークであるDensiThAIを提案する。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast tissue density is a key biomarker of breast cancer risk and a major factor affecting mammographic sensitivity. However, density assessment currently relies almost exclusively on X-ray mammography, an ionizing imaging modality. This study investigates the feasibility of estimating breast density using artificial intelligence over infrared thermal images, offering a non-ionizing imaging approach. The underlying hypothesis is that fibroglandular and adipose tissues exhibit distinct thermophysical and physiological properties, leading to subtle but spatially coherent temperature variations on the breast surface. In this paper, we propose DensiThAI, a multi-view deep learning framework for breast density classification from thermal images. The framework was evaluated on a multi-center dataset of 3,500 women using mammography-derived density labels as reference. Using five standard thermal views, DensiThAI achieved a mean AUROC of 0.73 across 10 random splits, with statistically significant separation between density classes across all splits (p << 0.05). Consistent performance across age cohorts supports the potential of thermal imaging as a non-ionizing approach for breast density assessment with implications for improved patient experience and workflow optimization.
• Abstract（参考訳）: 乳房組織密度は乳癌のリスクの重要なバイオマーカーであり、マンモグラフィーの感受性に影響を及ぼす主要な因子である。 しかし、現在の密度評価はX線マンモグラフィーにのみ依存しており、これは電離画像のモダリティである。 本研究では,赤外線サーマル画像を用いた乳房密度推定の可能性について検討し,非イオン化イメージング手法を提案する。 基礎となる仮説は、繊維状組織と脂肪組織は異なる熱物性と生理的特性を示し、乳房表面の微妙だが空間的に密接な温度変化をもたらすというものである。 本稿では,熱画像からの乳房密度分類のための多視点深層学習フレームワークであるDensiThAIを提案する。 このフレームワークはマンモグラフィー由来の密度ラベルを基準として,3500人の女性のマルチセンターデータセットを用いて評価した。 5つの標準的な熱的ビューを用いて、10個のランダム分割で平均0.73のAUROCを達成し、すべての分割で統計的に有意な密度クラスを分離した(p<0.05)。 年齢コホート間の一貫性のあるパフォーマンスは、乳房密度評価のための非イオン化アプローチとしてのサーマルイメージングの可能性をサポートし、患者体験の改善とワークフロー最適化に寄与する。

関連論文リスト

• A Density-Informed Multimodal Artificial Intelligence Framework for Improving Breast Cancer Detection Across All Breast Densities [0.6999740786886536]
  乳がん検診の基準であるマンモグラフィーは、高濃度の乳腺組織を持つ女性の感度を低下させ、診断が遅れたり遅れたりする原因となっている。 本研究では,乳房組織組成に基づいて適切な画像モダリティを動的に選択することにより,乳房密度インフォームドマルチモーダルAIフレームワークががん検出を向上できるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-10-16T06:20:14Z)
• Exemplar Med-DETR: Toward Generalized and Robust Lesion Detection in Mammogram Images and beyond [3.437009428325929]
  特徴に基づく検出を可能にする新しいマルチモーダルコントラスト検出器であるExemplar Med-DETRを紹介する。 ベトナムの高濃度乳腺マモグラムでは, 質量検出では0.7mAP, 石灰化では0.55mAPとなり, 絶対値16ポイント向上した。 胸部X線, 血管造影では, 腫瘤検出では0.25mAP, 狭窄検出では0.37mAPを達成し, それぞれ4ポイント, 7ポイント改善した。
  論文  参考訳（メタデータ） (2025-07-25T18:40:52Z)
• Attention-Enhanced Deep Learning Ensemble for Breast Density Classification in Mammography [0.0]
  本研究では,乳房密度の頑健な二分分類のための自動深層学習システムを提案する。 先進的な畳み込みニューラルネットワークを4つ実装し比較した。 焦点損失, ラベルの平滑化, およびクラスバランスの重み付けを併用した, 新規な焦点ラベル平滑化機能を開発した。
  論文  参考訳（メタデータ） (2025-07-08T21:26:33Z)
• Attention-Guided Erasing: A Novel Augmentation Method for Enhancing Downstream Breast Density Classification [5.351205777021679]
  本研究では,Actent-Guided Erasing(AGE)と呼ばれる新しいデータ拡張手法を紹介する。 AGEは、ベトナムのコホートにおけるBI-RADS勧告に従って、乳房造影における4つの異なる乳房密度カテゴリーの下流分類を強化するために考案された。 VinDr-Mammoデータセットを用いて,提案手法の検証を行った。
  論文  参考訳（メタデータ） (2024-01-08T14:16:54Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection [48.88813637974911]
  深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。 高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。 本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
  論文  参考訳（メタデータ） (2022-09-20T15:57:12Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)

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。