論文の概要: A multi-architecture study of specificity refinement and false-positive mechanism analysis in prostate MRI

• arxiv url: http://arxiv.org/abs/2606.29977v1
• Date: Mon, 29 Jun 2026 08:50:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.137048
• Title: A multi-architecture study of specificity refinement and false-positive mechanism analysis in prostate MRI
• Title（参考訳）: 前立腺MRIにおける特異性改善と偽陽性メカニズム解析の多構造的研究
• Abstract要約: 前立腺MRI検査における残存偽陽性は癌と対比される。 ポストホックリファインメントはドメイン内の実用的な特異性を付加するが、折りたたみ条件である。
• 参考スコア（独自算出の注目度）: 4.765379949626185
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objectives: To characterize residual false positives in prostate MRI detection, and to evaluate a lightweight post-hoc refinement head for case-level specificity. Materials and Methods: This retrospective study used PI-CAI (5-fold cross-validation) and Prostate158 (n=158; external). A context-aware evidence head and an 89,216-parameter refinement head were trained on a frozen detection backbone; the evidence head was also trained on four further backbones (bare nnU-Net, bare U-Net, bare Mamba, MIGF-Mamba). For each false-positive region, T2-weighted, apparent-diffusion-coefficient, and high-b-value contrast ratios versus peri-lesional rings were compared against ground-truth lesions and contralateral benign regions. Results: False positives were closer to true cancers than to benign tissue in evidence and raw T2-weighted and apparent-diffusion-coefficient contrast, reproducing 35/35 across five architectures (Cohen's d 1.10; FP/benign evidence ratio 2.38x) and 105/105 across modality-perturbation scenarios. On PI-CAI fold-0, refinement raised case-level specificity from 0.469 to 0.549 (+17.2%) at preserved sensitivity (0.943); 5-fold cross-validation showed fold-conditional behavior (9/15 observations positive; range -22% to +28%). On Prostate158, both models saturated (McNemar pooled p=0.69), while the false-positive contrast-matching finding replicated. Conclusion: Residual false positives are contrast-matched to cancer (sharing raw imaging features rather than histologically confirmed mimicry), reproducing across five architectures -- a data-level imaging property, not model-specific artifacts; post-hoc refinement adds practical specificity in-domain but is fold-conditional.
• Abstract（参考訳）: 目的: 前立腺MRIにおける残存偽陽性を特徴付けるとともに,ケースレベルの特異性に対する軽量なポストホックリファインメントヘッドの評価を行う。 材料と方法: PI-CAI (5-fold cross-validation) と Prostate 158 (n=158; external) を用いた。 文脈認識型エビデンスヘッドと89,216パラメーターの精製ヘッドは凍結検出バックボーンで訓練され、さらに4つのバックボーン(bare nnU-Net, bare U-Net, bare Mamba, MIGF-Mamba)で訓練された。 各偽陽性領域について,T2-weighted, appear-diffusion-coefficient, and high-b-value contrast ratios vs peri-lesional rings were compared to ground-truth lesions and contralateral beign region。 結果: 偽陽性は, 5つのアーキテクチャ (Cohen's d 1.10; FP/ Benign evidence ratio 2.38x) で35/35を再現し, 105/105をモダリティ・摂動シナリオで再現した。 PI-CAI fold-0では,保存感度0.469から0.549(+17.2%)まで改善した。 Prostate158では、どちらのモデルも飽和し(McNemarプールp=0.69)、偽陽性のコントラストマッチングが再現された。 結論: 残留する偽陽性は癌と対比される(組織学的に確認された模倣ではなく生画像の特徴を共有する)。

関連論文リスト

• Searching for Robust Augmentations to Improve Out-of-Domain Generalization in Dermoscopic Skin Cancer Classification [35.18016233072556]
  悪性二分数非悪性一般化のロバスト性を改善するためのデータ拡張法について検討した。 データ拡張は、マルチソースISICアーカイブコレクションで検索された。
  論文  参考訳（メタデータ） (2026-07-29T11:06:06Z)
• Enhancing Brain MRI Anomaly Detection and Reasoning with ROI Rethink and Synthetic Data [9.98520042320808]
  脳MRI診断に明示的な領域マーキングを導入したBrReMarkを提案する。 モデルはまず、潜在的な異常についての仮説を生成し、明示的な境界ボックスマーキングを通じてそれらをグラウンド化する。 我々は,ドメインランダム化に基づく病理合成の強化戦略を統合し,OEDデータに対するモデルの一般化性を向上させる。
  論文  参考訳（メタデータ） (2026-06-24T14:41:27Z)
• Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation [36.94429692322632]
  二段式(悪性/良性)、一段式(良性、MEL、SCC、BCC)、二段式(二段式トリアージ、三段式MEL/SCC/BCC)の3種類を比較した。 すべてのモデルはImageNet-pretrained weightsを使用し、オープンなISICアーカイブデータに1つの拡張プロトコルを使用した。 ISIC MILK10kでは、11級の直接分類により平均級感度0.525が得られる。
  論文  参考訳（メタデータ） (2026-06-11T09:55:57Z)
• Infection-Reasoner: A Compact Vision-Language Model for Wound Infection Classification with Evidence-Grounded Clinical Reasoning [2.5133340839715443]
  infection-Reasonerは、慢性的な創傷感染分類と合理性発生のためのコンパクトな推論的視覚言語モデルである。 86.8%の精度、86.4%の感度、87.1%の不均一な創傷データセットの特異性を達成している。
  論文  参考訳（メタデータ） (2026-04-21T19:28:08Z)
• Architecture-Agnostic Modality-Isolated Gated Fusion for Robust Multi-Modal Prostate MRI Segmentation [0.0]
  多重化前立腺MRIは、T2パラメトリック(T2W)、見かけ拡散係数(ADC)、高b値拡散強調(HBV)配列を組み合わせる。 実際には、拡散配列は、T2Wよりも、取得のばらつき、動き、アーティファクトの影響を受けることが多い。 我々は、学習ゲーティングステージの前に、個別のモダリティ固有の符号化ストリームを維持するために、Modality-Isolated Gated Fusion (MIGF)を提案する。
  論文  参考訳（メタデータ） (2026-04-12T15:54:21Z)
• Consistent but Dangerous: Per-Sample Safety Classification Reveals False Reliability in Medical Vision-Language Models [2.064612766965483]
  入力画像ではなくテキストパターンを頼りにすることで,モデルが完全整合性を達成することを示す。 我々は,4つのクワラントの安全分類を導入し,一貫性(パラフレーズ付きプロンプト間の安定な予測)と画像信頼度を共同評価する。
  論文  参考訳（メタデータ） (2026-03-22T00:06:53Z)
• One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
  EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。 われわれはこの枠組みを4つの稀な病理から検証した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
  論文  参考訳（メタデータ） (2025-12-30T15:07:09Z)
• Deep Unsupervised Anomaly Detection in Brain Imaging: Large-Scale Benchmarking and Bias Analysis [42.60508892284938]
  脳画像の深部教師なし異常検出のための大規模マルチセンターベンチマークを提案する。 健康なデータセットと多様な臨床コホートにまたがる2,221T1wと1,262T2wのスキャンを行った。 我々のベンチマークは今後の研究の透明な基盤を確立し、臨床翻訳の優先順位を強調している。
  論文  参考訳（メタデータ） (2025-12-01T11:03:27Z)
• Diagnostic Accuracy of Open-Source Vision-Language Models on Diverse Medical Imaging Tasks [1.6567957832859204]
  このデータセットは, 胸部X線撮影, 大腸病理検査, 内視鏡検査, 新生児黄体診, 網膜内視鏡検査を含む7,461例の22,349枚の画像を含む。 Qwen2.5 は胸部X線写真 (90.4%) と内視鏡画像 (84.2%) で最高精度を達成し、他のモデル (p.001) よりも大幅に優れていた。 Qwen2.5とGemma3は18.6%(比較可能、p=.99)で、他の試験されたモデル(p.001)よりもはるかに優れている。
  論文  参考訳（メタデータ） (2025-08-01T18:28:37Z)
• Evaluating Large Language Models for Multimodal Simulated Ophthalmic Decision-Making in Diabetic Retinopathy and Glaucoma Screening [37.69303106863453]
  大規模言語モデル(LLM)は、自然言語のプロンプトに基づいて臨床推論をシミュレートすることができるが、眼科におけるそれらの有用性はほとんど解明されていない。 本研究は,GPT-4による網膜底写真の構造的記述の解釈能力について検討した。 300点の注釈付き眼底画像を用いた振り返り診断検査を行った。
  論文  参考訳（メタデータ） (2025-07-02T01:35:59Z)
• HistoART: Histopathology Artifact Detection and Reporting Tool [37.31105955164019]
  ワイルスライドイメージング(WSI)は、組織標本の詳細な高分解能検査のために広く用いられている。 WSIは、スライドの準備とスキャンの間に導入されたアーティファクトに弱いままです。 本稿では,WSIに対する3つのロバストなアーティファクト検出手法を提案し,比較する。
  論文  参考訳（メタデータ） (2025-06-23T17:22:19Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)

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。