論文の概要: GUIDE-US: Grade-Informed Unpaired Distillation of Encoder Knowledge from Histopathology to Micro-UltraSound
- arxiv url: http://arxiv.org/abs/2602.19005v1
- Date: Sun, 22 Feb 2026 02:02:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.440463
- Title: GUIDE-US: Grade-Informed Unpaired Distillation of Encoder Knowledge from Histopathology to Micro-UltraSound
- Title（参考訳）: GUIDE-US: 組織からマイクロUltraSoundへのエンコーダ知識のグレードインフォームド・アンペア蒸留
- Authors: Emma Willis, Tarek Elghareb, Paul F. R. Wilson, Minh Nguyen Nhat To, Mohammad Mahdi Abootorabi, Amoon Jamzad, Brian Wodlinger, Parvin Mousavi, Purang Abolmaesumi,
- Abstract要約: 本研究では, マイクロUSエンコーダを訓練し, 予め訓練した病理組織基盤モデルの埋め込み分布をエミュレートする未経験の病理組織学知識蒸留戦略を導入する。
トレーニングでは、患者レベルのペアリングや画像登録は必要とせず、組織学的入力は推論には使用されない。
- 参考スコア（独自算出の注目度）: 3.8053263667903585
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Purpose: Non-invasive grading of prostate cancer (PCa) from micro-ultrasound (micro-US) could expedite triage and guide biopsies toward the most aggressive regions, yet current models struggle to infer tissue micro-structure at coarse imaging resolutions. Methods: We introduce an unpaired histopathology knowledge-distillation strategy that trains a micro-US encoder to emulate the embedding distribution of a pretrained histopathology foundation model, conditioned on International Society of Urological Pathology (ISUP) grades. Training requires no patient-level pairing or image registration, and histopathology inputs are not used at inference. Results: Compared to the current state of the art, our approach increases sensitivity to clinically significant PCa (csPCa) at 60% specificity by 3.5% and improves overall sensitivity at 60% specificity by 1.2%. Conclusion: By enabling earlier and more dependable cancer risk stratification solely from imaging, our method advances clinical feasibility. Source code will be publicly released upon publication.
- Abstract（参考訳）: 目的: マイクロ超音波 (micro-US) による前立腺癌 (PCa) の非侵襲的グレーディングは, 生検を最も攻撃的な領域へ誘導するが, 現在のモデルでは, 粗い画像分解能で組織微細構造の推測に苦慮している。
方法:ISUP(International Society of Urological Pathology)グレードに規定された,未熟な病理組織基盤モデルの埋め込み分布をエミュレートするために,マイクロUSエンコーダを訓練する未熟な病理組織学知識蒸留戦略を導入する。
トレーニングでは、患者レベルのペアリングや画像登録は必要とせず、組織学的入力は推論には使用されない。
結果: 現状と比較すると, 臨床的に有意なPCa (csPCa) に対する感受性は3.5%向上し, 全体の感度は1.2%向上した。
結語: 画像のみから, より早く, より信頼性の高い癌リスク層化を可能にすることにより, 臨床応用の可能性を高めることができる。
ソースコードは公開時に公開される。
関連論文リスト
- Boosting Pathology Foundation Models via Few-shot Prompt-tuning for Rare Cancer Subtyping [80.92960114162746]
視覚言語病理基盤モデルの可能性を生かした新しいフレームワークPathPTを提案する。
PathPTは、WSIレベルの監視を、VLモデルのゼロショット機能を活用することで、きめ細かいタイルレベルのガイダンスに変換する。
以上の結果から,PathPTは一貫して優れた性能を示し,サブタイピング精度と癌領域の接地能力を著しく向上することが示された。
論文 参考訳（メタデータ） (2025-08-21T18:04:41Z) - Prostate Cancer Screening with Artificial Intelligence-Enhanced Micro-Ultrasound: A Comparative Study with Traditional Methods [3.57040780961711]
マイクロ超音波(micro-US)は前立腺癌(csPCa)の診断精度に匹敵する新しい画像モダリティである
PSAとデジタル直腸検査(DRE)を用いて,マイクロUSの人工知能(AI)解釈が臨床スクリーニング法より優れているかを検討した。
論文 参考訳（メタデータ） (2025-05-27T15:47:38Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - 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) - Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。
提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
論文 参考訳（メタデータ） (2022-12-14T06:04:18Z) - Mixed Supervision of Histopathology Improves Prostate Cancer
Classification from MRI [0.9395521049323435]
MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。
患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
論文 参考訳（メタデータ） (2022-12-13T02:34:57Z) - Towards Confident Detection of Prostate Cancer using High Resolution
Micro-ultrasound [7.826781688190151]
経直腸超音波ガイド下生検における前立腺癌の診断は困難である。
マイクロ超音波による高周波超音波イメージングの最近の進歩は、高分解能で組織イメージングの能力を劇的に高めている。
本研究の目的は,マイクロ超音波ガイド下前立腺癌生検を対象とする,堅牢な深層学習モデルの開発である。
論文 参考訳（メタデータ） (2022-07-21T14:00:00Z) - EBHI:A New Enteroscope Biopsy Histopathological H&E Image Dataset for
Image Classification Evaluation [29.162527503224364]
大腸癌は世界で3番目に多いがんであり、がん患者の約10%を占めている。
本稿では,新たに公開された内視鏡生検生検生検生データ(EBHI)について報告する。
従来の機械学習手法は76.02%の最大精度を達成し、ディープラーニング手法は95.37%の最大精度を達成している。
論文 参考訳（メタデータ） (2022-02-17T09:53:02Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - Implementation of Convolutional Neural Network Architecture on 3D
Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis [0.0]
磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。
提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。
提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
論文 参考訳（メタデータ） (2021-12-29T16:47:52Z)
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。