Fugu-MT 論文翻訳(概要): CRESTomics: Analyzing Carotid Plaques in the CREST-2 Trial with a New Additive Classification Model

論文の概要: CRESTomics: Analyzing Carotid Plaques in the CREST-2 Trial with a New Additive Classification Model

arxiv url: http://arxiv.org/abs/2603.04309v1
Date: Wed, 04 Mar 2026 17:26:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-05 21:29:15.425488
Title: CRESTomics: Analyzing Carotid Plaques in the CREST-2 Trial with a New Additive Classification Model
Title（参考訳）: CRESTomics: 新しい追加分類モデルによるCREST-2トライアルにおける頸動脈プラークの分析
Authors: Pranav Kulkarni, Brajesh K. Lal, Georges Jreij, Sai Vallamchetla, Langford Green, Jenifer Voeks, John Huston, Lloyd Edwards, George Howard, Bradley A. Maron, Thomas G. Brott, James F. Meschia, Florence X. Doo, Heng Huang,
Abstract要約: マルチセンター臨床試験であるCREST-2の500プラークを解析し,高リスクにリンクしたBモード超音波画像から放射能ベースのマーカーを同定した。以上の結果から,プラークのテクスチャと臨床リスクの強い関係が明らかとなった。
参考スコア（独自算出の注目度）: 34.75403861224567
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate characterization of carotid plaques is critical for stroke prevention in patients with carotid stenosis. We analyze 500 plaques from CREST-2, a multi-center clinical trial, to identify radiomics-based markers from B-mode ultrasound images linked with high-risk. We propose a new kernel-based additive model, combining coherence loss with group-sparse regularization for nonlinear classification. Group-wise additive effects of each feature group are visualized using partial dependence plots. Results indicate our method accurately and interpretably assesses plaques, revealing a strong association between plaque texture and clinical risk.
Abstract（参考訳）: 頸動脈狭窄症例の脳卒中予防には頸動脈プラークの正確な特徴が重要である。マルチセンター臨床試験であるCREST-2の500プラークを解析し,Bモード超音波画像から高リスクにリンクした放射線マーカーを同定した。非線形分類のためのグループスパース正規化とコヒーレンス損失を組み合わせた新しいカーネルベース加算モデルを提案する。各特徴群の群ワイド加法効果は部分依存プロットを用いて可視化される。以上の結果から,プラークのテクスチャと臨床リスクの強い関係が明らかとなった。

関連論文リスト

Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文参考訳（メタデータ） (2026-02-27T04:49:01Z)
3D CT-Based Coronary Calcium Assessment: A Feature-Driven Machine Learning Framework [0.6595674042529606]
冠状動脈疾患(CAD)の早期発見と危険層形成における冠状動脈カルシウム(CAC)スコアの意義本研究では,非コントラスト型冠動脈造影CT(CCTA)スキャンに焦点をあて,臨床現場での早期石灰化検出に広く用いられている。限られたアノテートデータに対処するために、擬似ラベルを利用してトレーニングラベルを生成する放射能ベースのパイプラインを提案する。
論文参考訳（メタデータ） (2025-10-29T10:04:47Z)
MPSeg : Multi-Phase strategy for coronary artery Segmentation [9.767759441883008]
冠動脈セグメンテーションのための革新的多相戦略であるMPSegを提案する。本手法は,これらの構造的複雑度に特化しており,SynTAXスコアの原理に準拠している。特に, 自動冠状動脈疾患診断では, 異常な効果が認められた。
論文参考訳（メタデータ） (2023-11-17T03:33:09Z)
Multivessel Coronary Artery Segmentation and Stenosis Localisation using Ensemble Learning [3.656984996633334]
そこで本研究では,MICCAI 2023 Automatic Region-based Coronary Artery Disease(冠状動脈疾患自動診断)のためのエンド・ツー・エンドの機械学習ソリューションを提案する。 X線冠動脈造影による冠動脈分画および狭窄性病変の局在性評価の方法の標準化を目的としている。冠状動脈セグメンテーションでは平均F1スコアが37.69%、狭窄局所化では39.41%であった。
論文参考訳（メタデータ） (2023-10-27T08:03:12Z)
Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
論文参考訳（メタデータ） (2023-03-23T11:57:50Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
Stratification of carotid atheromatous plaque using interpretable deep learning methods on B-mode ultrasound images [1.1254693939127909]
頸動脈硬化は虚血性脳卒中の主要な原因であり、毎年死亡率と障害率が高い。本稿では,頸動脈動脈プラークのリスク評価と成層化のための,頸動脈超音波画像の解釈可能な分類手法を提案する。
論文参考訳（メタデータ） (2022-02-04T23:10:24Z)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。