論文の概要: Clinical Priors Guided Lung Disease Detection in 3D CT Scans

• arxiv url: http://arxiv.org/abs/2603.15143v2
• Date: Tue, 17 Mar 2026 06:19:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 13:19:44.038733
• Title: Clinical Priors Guided Lung Disease Detection in 3D CT Scans
• Title（参考訳）: 3次元CTで肺疾患を診断する前駆者の検討
• Authors: Kejin Lu, Jianfa Bai, Qingqiu Li, Runtian Yuan, Jilan Xu, Junlin Hou, Yuejie Zhang, Rui Feng,
• Abstract要約: 性別対応の2段階肺疾患分類フレームワークを提案する。 提案手法は、ジェンダー情報を疾患認識パイプラインに明示的に組み込む。 実験結果から,本手法はマイノリティ疾患カテゴリの認識性能を向上させることが示唆された。
• 参考スコア（独自算出の注目度）: 30.909461061067336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate classification of lung diseases from chest CT scans plays an important role in computer-aided diagnosis systems. However, medical imaging datasets often suffer from severe class imbalance, which may significantly degrade the performance of deep learning models, especially for minority disease categories. To address this issue, we propose a gender-aware two-stage lung disease classification framework. The proposed approach explicitly incorporates gender information into the disease recognition pipeline. In the first stage, a gender classifier is trained to predict the patient's gender from CT scans. In the second stage, the input CT image is routed to a corresponding gender-specific disease classifier to perform final disease prediction. This design enables the model to better capture gender-related imaging characteristics and alleviate the influence of imbalanced data distribution. Experimental results demonstrate that the proposed method improves the recognition performance for minority disease categories, particularly squamous cell carcinoma, while maintaining competitive performance on other classes.
• Abstract（参考訳）: 胸部CT画像からの肺疾患の正確な分類は,コンピュータ支援診断システムにおいて重要な役割を担っている。 しかし、医療画像データセットは深刻な階級不均衡に悩まされることが多く、特にマイノリティ疾患のカテゴリにおいて、ディープラーニングモデルの性能が著しく低下する可能性がある。 この問題に対処するため,ジェンダー対応の2段階肺疾患分類フレームワークを提案する。 提案手法は、ジェンダー情報を疾患認識パイプラインに明示的に組み込む。 第一段階では、CTスキャンから患者の性別を予測するために性別分類器を訓練する。 第2段階では、入力されたCT画像を対応する性別特化疾患分類器にルーティングして最終疾患予測を行う。 この設計により、男女関係の撮像特性をよりよく捉え、不均衡なデータ分布の影響を軽減することができる。 実験により, 本手法は, 他のクラスでの競争性能を維持しつつ, マイノリティ疾患, 特に扁平上皮癌に対する認識性能を向上することを示した。

関連論文リスト

• Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning [6.302369456012738]
  胸部CTボリュームからの多型肺疾患診断のためのフェアネス・アウェア・フレームワークについて検討した。 この課題は、CTスキャンを健康、新型コロナウイルス、腺癌、扁平上皮癌という4つのカテゴリに分類する必要がある。 我々のアプローチは、何百ものスライスにまたがるまばらな病理信号と、病気の階級と性別にまたがる深刻な人口不均衡の2つの問題に対処する。
  論文  参考訳（メタデータ） (2026-03-13T13:42:52Z)
• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers [14.144599890583308]
  本稿では,大規模コークスデータセットを用いた自己教師型学習と教師型学習を併用したコークス病分類手法を提案する。 提案手法は、新型コロナウイルスの診断のための2つのベンチマークデータセットと、AUROC 92.5% の COPD/non-COPD 分類のためのプロプライエタリデータセットにおいて、先行技術よりも一貫して優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2024-08-28T09:40:40Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Learning Discriminative Representation via Metric Learning for Imbalanced Medical Image Classification [52.94051907952536]
  本稿では,特徴抽出器がより識別的な特徴表現を抽出するのを助けるために,2段階フレームワークの第1段階にメトリック学習を組み込むことを提案する。 主に3つの医用画像データセットを用いて実験したところ、提案手法は既存の1段階と2段階のアプローチより一貫して優れていた。
  論文  参考訳（メタデータ） (2022-07-14T14:57:01Z)
• CNN-based Classification Framework for Tissues of Lung with Additional Information [7.537149692650752]
  間質性肺疾患(Interstitial lung disease)は、肺胞炎や肺線維症を特徴とする異種性疾患の大規模なグループである。 これまでの研究は、間質性肺疾患の分類において驚くべき結果をもたらした。 本研究では,新たな情報を持つ畳み込みニューラルネットワークに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-14T09:06:09Z)
• Feature robustness and sex differences in medical imaging: a case study in MRI-based Alzheimer's disease detection [1.7616042687330637]
  我々はADNI MRIデータセットの2つの分類方式を比較した。 訓練データセットの性構成に対する男女試験対象者のモデル性能の強い依存は見つからない。
  論文  参考訳（メタデータ） (2022-04-04T17:37:54Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• 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)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)

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。