論文の概要: Efficient endometrial carcinoma screening via cross-modal synthesis and gradient distillation

• arxiv url: http://arxiv.org/abs/2602.19822v1
• Date: Mon, 23 Feb 2026 13:22:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.826069
• Title: Efficient endometrial carcinoma screening via cross-modal synthesis and gradient distillation
• Title（参考訳）: クロスモーダル合成と勾配蒸留による効率的な子宮内膜癌スクリーニング
• Authors: Dongjing Shan, Yamei Luo, Jiqing Xuan, Lu Huang, Jin Li, Mengchu Yang, Zeyu Chen, Fajin Lv, Yong Tang, Chunxiang Zhang,
• Abstract要約: 子宮内膜癌(EC)のステージングと救命には早期の子宮内膜浸潤の検出が重要である ここでは、ECスクリーニングにおけるデータと計算のボトルネックの両方を解決する、自動化された、高効率な2段階のディープラーニングフレームワークを提案する。 本モデルでは,99.5%の感度,97.2%の特異度,0.987の曲線以下の領域を最小計算コストで達成する。
• 参考スコア（独自算出の注目度）: 15.277910275783187
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Early detection of myometrial invasion is critical for the staging and life-saving management of endometrial carcinoma (EC), a prevalent global malignancy. Transvaginal ultrasound serves as the primary, accessible screening modality in resource-constrained primary care settings; however, its diagnostic reliability is severely hindered by low tissue contrast, high operator dependence, and a pronounced scarcity of positive pathological samples. Existing artificial intelligence solutions struggle to overcome this severe class imbalance and the subtle imaging features of invasion, particularly under the strict computational limits of primary care clinics. Here we present an automated, highly efficient two-stage deep learning framework that resolves both data and computational bottlenecks in EC screening. To mitigate pathological data scarcity, we develop a structure-guided cross-modal generation network that synthesizes diverse, high-fidelity ultrasound images from unpaired magnetic resonance imaging (MRI) data, strictly preserving clinically essential anatomical junctions. Furthermore, we introduce a lightweight screening network utilizing gradient distillation, which transfers discriminative knowledge from a high-capacity teacher model to dynamically guide sparse attention towards task-critical regions. Evaluated on a large, multicenter cohort of 7,951 participants, our model achieves a sensitivity of 99.5\%, a specificity of 97.2\%, and an area under the curve of 0.987 at a minimal computational cost (0.289 GFLOPs), substantially outperforming the average diagnostic accuracy of expert sonographers. Our approach demonstrates that combining cross-modal synthetic augmentation with knowledge-driven efficient modeling can democratize expert-level, real-time cancer screening for resource-constrained primary care settings.
• Abstract（参考訳）: 子宮内膜癌 (EC) のステージングと救命には早期の子宮内膜浸潤の検出が重要である。 経ヴァージナル超音波は、リソース制限されたプライマリケア設定において、一次的かつアクセス可能なスクリーニングモダリティとして機能するが、診断の信頼性は、低組織コントラスト、高オペレーター依存性、および陽性例の顕著な不足によって著しく損なわれている。 既存の人工知能ソリューションは、特にプライマリケアクリニックの厳格な計算限界の下で、この厳しい階級不均衡と、侵入の微妙な画像特徴を克服するのに苦労している。 ここでは、ECスクリーニングにおけるデータと計算のボトルネックの両方を解決する、自動化された、高効率な2段階のディープラーニングフレームワークを提案する。 病理学的データ不足を軽減するため,MRI(unpaired magnetic resonance imaging)データから多種多様な高忠実度超音波像を合成し,臨床上必須の解剖学的接合部を厳密に保存する構造誘導型クロスモーダル生成ネットワークを開発した。 さらに,高容量教師モデルから差別的知識を伝達し,タスククリティカル領域への疎注意を動的に誘導する,勾配蒸留を利用した軽量スクリーニングネットワークを提案する。 99.5\%, 特異度97.2\%, 最小計算コスト(0.289 GFLOPs)で0.987未満の領域を推定し, 有能なソノグラフィーの平均診断精度を大幅に上回る結果を得た。 提案手法は,クロスモーダル合成拡張と知識駆動型効率的なモデリングを組み合わせることで,資源制約されたプライマリケア設定のための専門家レベルのリアルタイムがんスクリーニングを民主化できることを実証する。

関連論文リスト

• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• 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)
• Classification of Heart Sounds Using Multi-Branch Deep Convolutional Network and LSTM-CNN [7.136933021609078]
  本研究は, 心臓疾患の自動診断のための, 迅速かつ正確かつ費用対効果の高い手法を提供する新しいディープラーニングアーキテクチャを開発し, 評価する。 まず,多様な畳み込みフィルタサイズを利用して人間の聴覚処理をエミュレートするマルチブランチディープ畳み込みニューラルネットワーク(MBDCN)と,特徴抽出のためのパワースペクトル入力の2つの革新的な手法を提案する。 第二に、LSTMブロックをMBDCNに統合し、時間領域の特徴抽出を改善するLong Short-Term Memory-Convolutional Neural (LSCN)モデルである。
  論文  参考訳（メタデータ） (2024-07-15T13:02:54Z)
• Robust and Generalisable Segmentation of Subtle Epilepsy-causing Lesions: a Graph Convolutional Approach [1.180462901068842]
  FCD(Foccal cortical dysplasia)は薬剤抵抗性てんかんの主要な原因であり、手術で治療できる。 そのため、手動の傷口マスクは高価で、限定的であり、ラッター間変動が大きい。 本稿では,グラフ畳み込みネットワーク(GCN)を用いたセマンティックセグメンテーション(セマンティックセグメンテーション,セマンティックセグメンテーション,セマンティックセグメンテーション)の手法を提案する。
  論文  参考訳（メタデータ） (2023-06-02T08:56:56Z)
• 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。