Fugu-MT 論文翻訳(概要): Automated Prediction of Postoperative Pancreatic Fistula Using Preoperative Computed Tomography

論文の概要: Automated Prediction of Postoperative Pancreatic Fistula Using Preoperative Computed Tomography

arxiv url: http://arxiv.org/abs/2605.31539v1
Date: Fri, 29 May 2026 16:55:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-01 20:56:50.7615
Title: Automated Prediction of Postoperative Pancreatic Fistula Using Preoperative Computed Tomography
Title（参考訳）: 術前CTによる術後膵損傷の予測
Abstract要約: POPFは膵切除後の重篤な合併症であり, 死亡率, 入院期間, 医療費が増加した。膵分節から,術前のPOPFリスク推定・成層化までの自動・エンドツーエンドのディープラーニングパイプラインについて,CTスキャンを用いて検討した。
参考スコア（独自算出の注目度）: 4.581320306529078
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Postoperative pancreatic fistula (POPF) is a serious complication after pancreatic resection, increasing morbidity, hospital stay, and healthcare costs. We present an automatic, end-to-end deep learning pipeline-from pancreatic segmentation to classification-for preoperative POPF risk estimation and stratification using preoperative CT scans. A data set with auto-segmented pancreas volumes and surgical outcomes was used to evaluate multiple architectures, including a custom lightweight 3D CNN baseline (CNN3D), R(2+1)D ResNet-18, and ResNet-MC3-18 models. Evaluation across multiple 3D architectures demonstrated promising predictive performance. This approach offers a clinically valuable tool and a methodological benchmark for pancreas-specific CT classification, supporting improved preoperative decision-making in pancreatic surgery.
Abstract（参考訳）: POPFは膵切除後の重篤な合併症であり, 死亡率, 入院期間, 医療費が増加した。膵分節から,術前のPOPFリスク推定・成層化までの自動・エンドツーエンドのディープラーニングパイプラインについて,CTスキャンを用いて検討した。 3D CNNベースライン(CNN3D)、R(2+1)D ResNet-18、ResNet-MC3-18モデルなどである。複数の3Dアーキテクチャによる評価は、有望な予測性能を示した。本手法は,膵外科手術における術前判定の改善を支援するために,臨床的に有用なツールと,膵特異CT分類のための方法のベンチマークを提供する。

関連論文リスト

Multimodal Assessment of Pancreatic Cancer Resectability Using Deep Learning [0.15902850403371457]
患者を分類するために3次元造影CTと構造化臨床情報を共同で解析する完全自動多モード深層学習フレームワークを提案する。このアプローチでは、Swin-UNETRバックボーンを使用して、膵、腫瘍、血管構造の補助的なセグメンテーションを通じて、解剖学的に認識された画像表現を得る。
論文参考訳（メタデータ） (2026-07-15T13:32:44Z)
From Preoperative CT to Postmastoidectomy Mesh Construction: Mastoidectomy Shape Prediction for Cochlear Implant Surgery [3.2395357384758996]
本研究では,術前CTスキャンから直接マストイド切除領域を予測するための,自己監督型・弱教師型学習フレームワークを提案する。本手法は, 複合および無境界マストイドの形状を予測する際に, 平均Diceスコア0.72を達成する。
論文参考訳（メタデータ） (2026-01-07T21:23:35Z)
Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
論文参考訳（メタデータ） (2025-07-22T13:24:45Z)
Weakly-supervised Mamba-Based Mastoidectomy Shape Prediction for Cochlear Implant Surgery Using 3D T-Distribution Loss [4.777201894011511]
術前CT検査から直接, 正確なマストイド領域を推定するための弱監督型マンバベースフレームワークを提案する。本手法は,マストイドの形状に固有の複雑な幾何学的変動を効果的に扱える3D T-Distribution loss関数を用いている。提案手法は最先端のアプローチに対して広範に評価され, 正確な, 臨床的に関連するマストイド切除領域の予測における優れた性能を示す。
論文参考訳（メタデータ） (2025-05-23T20:53:03Z)
Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
論文参考訳（メタデータ） (2025-04-21T14:55:57Z)
The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
論文参考訳（メタデータ） (2025-04-10T16:26:47Z)
Towards Patient-Specific Surgical Planning for Bicuspid Aortic Valve Repair: Fully Automated Segmentation of the Aortic Valve in 4D CT [0.0732099897993399]
Bicuspid aortic valve(BAV)は先天性心不全の最も多い疾患であり、狭窄、逆流、大動脈症などの合併症の手術を必要とする可能性がある。造影CT(Contrast-enhanced 4D Computed Tomography)はコントラストと空間分解能に優れた体積時間配列を生成する。ディープラーニングベースの手法は、完全に自動化されたセグメンテーションが可能であるが、BAV固有のモデルは存在しない。
論文参考訳（メタデータ） (2025-02-13T22:43:43Z)
Hypergraph-Transformer (HGT) for Interactive Event Prediction in Laparoscopic and Robotic Surgery [47.47211257890948]
腹腔内ビデオから外科的ワークフローの重要なインタラクティブな側面を理解し,予測できる予測型ニューラルネットワークを提案する。我々は,既存の手術用データセットとアプリケーションに対するアプローチを検証し,アクション・トリプレットの検出と予測を行った。この結果は、非構造的な代替案と比較して、我々のアプローチの優位性を示している。
論文参考訳（メタデータ） (2024-02-03T00:58:05Z)
Segmentation-based Assessment of Tumor-Vessel Involvement for Surgical Resectability Prediction of Pancreatic Ductal Adenocarcinoma [1.880228463170355]
膵管腺癌 (PDAC) は, 治療の選択肢が限られる進行癌である。本研究は,腫瘍血管の関与を自動的に評価するワークフローと深層学習に基づくセグメンテーションモデルを提案する。
論文参考訳（メタデータ） (2023-10-01T10:39:38Z)
AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文参考訳（メタデータ） (2023-09-25T19:34:12Z)
Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
論文参考訳（メタデータ） (2023-06-01T14:08:05Z)
A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文参考訳（メタデータ） (2022-03-01T17:08:41Z)
DeepPrognosis: Preoperative Prediction of Pancreatic Cancer Survival and Surgical Margin via Contrast-Enhanced CT Imaging [26.162788846435365]
膵管腺癌(PDAC)は最も致命的ながんの1つである。 3D Contrast-Enhanced Convolutional Long Short-Term Memory Network (CE-ConvLSTM) と命名されたPDAC患者の生存予測のための新しいディープニューラルネットワークを提案する。腫瘍切除マージンに関連する特徴を学習し,生存率予測を改善することにより,予後とマージン予測の両課題を達成できるマルチタスクCNNを提案する。
論文参考訳（メタデータ） (2020-08-26T22:51:24Z)

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。