論文の概要: 3D Classification of Paramagnetic Rim Lesions in Multiple Sclerosis via Asymmetric QSM-FLAIR Modeling
- arxiv url: http://arxiv.org/abs/2606.16756v1
- Date: Mon, 15 Jun 2026 14:10:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.603007
- Title: 3D Classification of Paramagnetic Rim Lesions in Multiple Sclerosis via Asymmetric QSM-FLAIR Modeling
- Title（参考訳）: 非対称QSM-FLAIRモデルによる多発性硬化症における平行磁束病変の3次元分類
- Authors: Veronica Pignedoli, Giacomo Boffa, Nicoletta Noceti, Matilde Inglese, Francesca Odone, Matteo Moro,
- Abstract要約: 多発性硬化症(MS)における慢性活動性炎症の特異的バイオマーカーとして,感応性感応性MRIで同定された常磁性リム病変(Rim$+$)が最近出現している。
本稿では,QSMとFLAIR MRIを用いた病変レベルRim$+/Rim$-$分類のための3次元マルチモーダルディープラーニングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 4.672573934670909
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Paramagnetic rim lesions (Rim$^+$) identified on susceptibility-sensitive MRI have recently emerged as a specific biomarker of chronic active inflammation in Multiple Sclerosis (MS) and are associated with long-term disability progression. However, susceptibility imaging and expert interpretation remain limited to specialized centers, visual assessment is time-consuming and variable, and the low prevalence of Rim$^+$ lesions poses severe class imbalance challenges for automated analysis. We propose a 3D multimodal deep learning framework for lesion-level Rim$^+$/Rim$^-$ classification from Quantitative Susceptibility Mapping (QSM) and FLAIR MRI. The architecture explicitly models modality asymmetry by treating QSM as the primary susceptibility-driven signal and conditioning it with FLAIR-derived structural context. To improve robustness under limited data, we employ self-supervised multimodal pretraining followed by supervised fine-tuning with contrastive regularization. The method was evaluated on a clinically acquired cohort of 88 people with MS with expert lesion annotations as reference standard. Results highlight improved performance compared to prior architectures, supporting the effectiveness of asymmetric multimodal modeling for automated chronic active lesion identification.
- Abstract（参考訳）: 多発性硬化症 (MS) における慢性活動性炎症の特異的なバイオマーカーとして, 難治性MRIで同定された常磁性リム病変 (Rim$^+$) が最近出現し, 長期的障害進行との関連が指摘されている。
しかし、感受性画像と専門的解釈は専門のセンターに限られており、視覚的評価は時間がかかり、変動し、Rim$^+$病変の頻度は低いため、自動解析において深刻なクラス不均衡が生じる。
本稿では,QSMとFLAIR MRIを用いた病変レベルRim$^+$/Rim$^-$分類のための3次元マルチモーダルディープラーニングフレームワークを提案する。
アーキテクチャは、QSMを一次感受性駆動信号として扱い、FLAIRに基づく構造的コンテキストでそれを条件付けることで、モダリティ非対称性を明示的にモデル化する。
制限データ下での堅牢性向上のために, 自己教師付きマルチモーダル事前訓練と, 対照正則化による教師付き微調整を併用した。
専門的病変アノテーションを基準として, 臨床に取得した88名のコホートを用いて評価した。
その結果,従来のアーキテクチャと比較して性能が向上し,非対称なマルチモーダルモデリングの有効性が示された。
関連論文リスト
- Motion-Guided Causal Disentanglement for Robust Multi-View Cine Cardiac MRI Diagnosis [0.4638331367650009]
本稿では,ViT-MAEバックボーン上に構築したMoViDフレームワークを提案する。
プライベートな臨床静脈血栓症データセットと2つの公開ベンチマークの枠組みについて検討した。
論文 参考訳（メタデータ） (2026-06-03T03:45:11Z) - Re-M3Dr: Rebalanced MultiModal Mean Deviation Regression [37.362103534706385]
この医療画像におけるマルチモーダル融合は, 単潮モデルより悪い結果が得られた。
本稿では,新しいマルチモーダル回帰フレームワークであるRe-M3Dr(Re-M3Dr)を提案する。
公立および民間の臨床データセットを用いた実験の結果,SOTAマルチモーダル学習法と比較して平均29%のMSE低下率を示した。
論文 参考訳（メタデータ） (2026-05-26T03:57:28Z) - Context-driven Missing-Modality Learning for Robust Medical Diagnosis with Image-Tabular Data [38.54068135443487]
本稿では,コンテキスト駆動型ミス・モダリティ学習フレームワークを提案する。
連続的にモダリティ合成とセマンティックアライメントを行い、堅牢な診断を実現する。
最先端のSOTA(State-of-the-art)法では、それぞれ1.26%、0.97%、1.32%のAVG AUCの改善を実現している。
論文 参考訳（メタデータ） (2026-05-25T15:44:26Z) - UniField: A Unified Field-Aware MRI Enhancement Framework [45.03230466428695]
methodnameは、複数のモダリティと拡張タスクを統合する統合フレームワークである。
我々は、事前学習した3D基礎モデルを利用して、総合的な3Dボリューム情報を利用する。
我々は,総合的なマルチフィールドMRIデータセットを編成し,公開する。
論文 参考訳（メタデータ） (2026-03-10T05:45:12Z) - 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) - Automated Lesion Segmentation of Stroke MRI Using nnU-Net: A Comprehensive External Validation Across Acute and Chronic Lesions [0.0]
複数のMRIデータセットにまたがるnU-Netフレームワークを用いて脳卒中病変のセグメンテーションを評価する。
脳卒中期にはモデルが頑健な一般化を示し, セグメンテーション精度はレータ間信頼性に近づいた。
急性期において、DWIで訓練されたモデルはFLAIRベースのモデルより一貫して優れており、マルチモーダルの組み合わせからわずかに利益を得ただけだった。
慢性期脳卒中では、トレーニングセットのサイズが増加し、数百件以上のリターンが低下した。
論文 参考訳（メタデータ） (2026-01-13T16:29:20Z) - Aligning Findings with Diagnosis: A Self-Consistent Reinforcement Learning Framework for Trustworthy Radiology Reporting [37.57009831483529]
MLLM(Multimodal Large Language Models)は放射線学レポート生成に強い可能性を示している。
本フレームワークは, より詳細な発見のための思考ブロックと, 構造化された疾患ラベルに対する回答ブロックという, 生成を2つの異なる構成要素に再構成する。
論文 参考訳（メタデータ） (2026-01-06T14:17:44Z) - MRI Embeddings Complement Clinical Predictors for Cognitive Decline Modeling in Alzheimer's Disease Cohorts [0.7340017786387767]
アルツハイマー病の認知低下の正確なモデリングは、早期成層化とパーソナライズドマネジメントに不可欠である。
認知変化の異質なパターンを捉えるために,ダイナミック・タイム・ウォーピング・クラスタリングに基づくトラジェクトリ・アウェア・ラベリング・ストラテジーを導入する。
3次元視覚変換器 (ViT) を非教師的再構成により訓練し, 解剖学的に保存された埋め込みを得る。
論文 参考訳（メタデータ） (2025-11-18T15:45:01Z) - MMRQA: Signal-Enhanced Multimodal Large Language Models for MRI Quality Assessment [13.830308086211067]
本稿では,MMRQA(Multimodal MRI Quality Assessment)フレームワークを導入し,MLLM(Multimodal Large Language Model)と取得対応信号処理を統合した。
MMRQAは、MRQyによるロバストなメトリック抽出と、シミュレーションされたアーティファクト、Qwenを用いてメトリクスを問合せペアに構造化した変換、LLaVA-OneVisionのローランク適応(LoRA)によるパラメータ効率の融合を組み合わせた。
論文 参考訳（メタデータ） (2025-09-29T15:00:19Z) - T-CACE: A Time-Conditioned Autoregressive Contrast Enhancement Multi-Task Framework for Contrast-Free Liver MRI Synthesis, Segmentation, and Diagnosis [5.9273237904788045]
非造影MRI(NCMRI)から直接造影MRI(CEMRI)を合成するためのT-CACE(Time-Conditioned Autoregressive Contrast Enhancement)フレームワークを提案する。
T-CACEは、解剖学的先行情報と時間相情報を潜在表現に統一する条件付きトークン符号化(CTE)機構と、相間情報の流れを適応的に調節する動的時間認識型注意マスク(DTAM)の3つの中心的革新を導入している。
2つの独立した肝MRIデータセットの実験により、T-CACEは画像合成、セグメンテーション、病変において最先端の手法より優れていることが示された
論文 参考訳（メタデータ） (2025-08-13T16:14:14Z)
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。