論文の概要: Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting

• arxiv url: http://arxiv.org/abs/2606.24390v1
• Date: Tue, 23 Jun 2026 10:22:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.899187
• Title: Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting
• Title（参考訳）: 女性RHINO: 自動定量尿中MRI解析と構造化レポート作成のためのリアルタイムスキャナ統合フレームワーク
• Authors: Deepak Bhatia, Saad Ahmad, Smiti Tripathy, Maria Camila Bustos Vivas, Lieselotte Kratzsch, Anika Knupfer, Jordina Aviles Verdera, Susanne Schulz-Heise, Matthias May, Jana Hutter,
• Abstract要約: 女性RHINO: (R)eproductive (H)ealth (I)maging A(N)alysis T(O)ol, a real-time AI-assisted framework for automated quantitative uterine MRI analysis and structured reporting during image acquisition。
• 参考スコア（独自算出の注目度）: 0.48435958653031097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Standardized assessment of uterine MRI remains challenging due to anatomical variability, observer dependence, and the lack of workflow-integrated automated analysis tools. This work presents Female-RHINO: (R)eproductive (H)ealth (I)maging A(N)alysis T(O)ol, a real-time AI-assisted framework for automated quantitative uterine MRI analysis and structured reporting during image acquisition. We present an end-to-end system that integrates inline communication with the MRI scanner and deep learning-based analysis to derive quantitative uterine biomarkers from sagittal T2-weighted pelvic MRI. The framework combines segmentation and anatomical landmark detection models trained and evaluated on more than 500 multi-center datasets spanning diverse protocols, vendors, and patient populations. It performs volumetry, detects and quantifies common incidental findings such as fibroids and Nabothian cysts, and extracts six anatomical landmarks for biometric assessment. Results are compiled into a structured clinician-oriented report with integrated visualizations, without manual interaction. Evaluation on independent retrospective and prospective cohorts demonstrated robust performance across varying acquisition settings. Mean Dice similarity coefficients were 0.82 for the uterus and 0.80 for fibroids, with lower but consistent agreement for Nabothian cysts. Landmark detection achieved a mean radial error of 3.7 mm. End-to-end processing was completed in under 70 seconds, enabling availability of results during the ongoing scan. Prospective deployment yielded immediate, standardized, and reproducible analyses supported by inter-observer agreement. The proposed system enables real-time scanner-integrated AI for automated uterine MRI analysis and reporting, with potential to improve standardization, efficiency, and clinical workflow in pelvic imaging.
• Abstract（参考訳）: 子宮MRIの標準化された評価は、解剖学的変動、観察者依存、ワークフロー統合自動解析ツールの欠如などにより、依然として困難である。 In this work presents female-RHINO: (R)eproductive (H)ealth (I)maging A(N)alysis T(O)ol, a real-time AI-assisted framework for automated quantitative uterine MRI analysis and structured reporting during image acquisition。 本稿では,MRIスキャナとのインラインコミュニケーションと深層学習に基づく分析を併用して,矢状T2強調骨盤MRIから定量的子宮バイオマーカーを抽出するエンド・ツー・エンドシステムを提案する。 このフレームワークは、さまざまなプロトコル、ベンダー、患者集団にまたがる500以上のマルチセンターデータセットでトレーニングされ、評価されたセグメンテーションと解剖学的ランドマーク検出モデルを組み合わせる。 体積測定を行い、フィブロイドやナボシアンシストなどの一般的な偶発的な発見を検出し定量し、生体計測評価のために6つの解剖学的ランドマークを抽出する。 結果は,手動によるインタラクションを伴わずに,統合的な可視化による構造化された臨床報告にまとめられる。 個別のふりかえりと予測コホートの評価は、様々な取得設定で堅牢な性能を示した。 平均Dice類似係数は子宮で0.82、線維化で0.80であり、ナボシアン嚢胞では低いが一貫した一致を示した。 ランドマーク検出は平均半径3.7mmの誤差を達成した。 エンドツーエンドの処理は70秒以内に完了し、進行中のスキャンで結果が利用可能になった。 先進的なデプロイメントは、サーバ間の合意によって、即時、標準化され、再現可能な分析をもたらす。 提案システムは,骨盤画像の標準化,効率,臨床ワークフローを改善する可能性があり,リアルタイムスキャナ統合AIによる子宮MRIの自動解析および報告を可能にする。

関連論文リスト

• Predicting Immune Biomarkers with MultiModal Mixture-of-Expert Pathology Foundation Models Empowers Precision Oncology [47.79180201495836]
  MixTIMEは、異なるモダリティで訓練された病理基盤モデルを統合したマルチモーダル基礎モデルである。 ヘマトキシリンおよびエオシン全スライディング画像から多重免疫蛍光(mIF)タンパク質の発現を予測する。 MixTIMEは17個のタンパク質マーカーにまたがる最先端のパフォーマンスを相関指標で測定する。
  論文  参考訳（メタデータ） (2026-06-16T16:22:42Z)
• A physics-informed foundation model for quantitative diffusion MRI [46.74037857287099]
  物理インフォームド・ジェネレーティブ・マイクロ構造ネットワーク(PIGMENT)は、人間の脳の微細構造に先立って普遍的な生成を学習し、被験者の計測データにゼロショットで適応し、被験者固有のマップを復元する。 PIGMENT は,10倍加速スキャンによる小脳皮質微細構造パターンと幼少期の白質発達軌跡を保存し,強い生物学的妥当性を示した。 これらの結果は、PIGMENTを物理インフォームド基礎モデルとして確立し、定量的拡散MRIを、伝統的に不安定で不均一、あるいは信頼性のある分析に制約された状態に拡張する。
  論文  参考訳（メタデータ） (2026-05-29T07:26:35Z)
• Catching MRI outliers: unsupervised detection and localization of MRI artefacts and clinical anomalies using deep learning [0.0]
  骨盤MRIと脳MRIの完全自動化・教師なし異常検出フレームワークの開発と評価を行った。 負の対数類似度に基づくトークン・サブプライムスコアと知覚的画像差を組み合わせて異常な証拠を推定した。 熱マップ解析の結果,検出された異常点と接地位置との間には強い空間的一致が認められた。
  論文  参考訳（メタデータ） (2026-05-23T14:44:31Z)
• Automated Prostate Gland Segmentation in MRI Using nnU-Net [0.14777718769290524]
  本稿では, nnUNet v2 フレームワークを用いた前立腺自動分節のためのディープラーニングに基づく専用アプローチを提案する。 提案したモデルでは、クロスバリデーションでは平均Diceスコアが0.96+/-0.00、外部テストセットでは0.82となり、ドメインシフトにもかかわらず強い一般化が示された。
  論文  参考訳（メタデータ） (2026-04-02T12:28:03Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Unsupervised Anomaly Detection of Diseases in the Female Pelvis for Real-Time MR Imaging [1.1486742537761567]
  既存のAIアプローチは、主に病原性があり、リアルタイムの互換性がない。 骨盤MRIにおける疾患およびパラメータに依存しないリアルタイム非教師付き異常検出のためのベンチマークフレームワークを構築した。
  論文  参考訳（メタデータ） (2026-02-05T20:33:27Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)
• Unsupervised learning of MRI tissue properties using MRI physics models [10.979093424231532]
  すべての臨床スキャナーで利用可能なプロトコルを使用して、単一のスキャンセッションから組織特性を推定することは、スキャン時間とコストを削減することを約束する。 我々は,MRI物理を用いた教師なし深層学習戦略を提案し,単一のマルチエコーMRIスキャンセッションから3つの組織特性を推定する。 組織特性推定とMRI合成の精度向上と一般化性を示した。
  論文  参考訳（メタデータ） (2021-07-06T16:07:14Z)

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。