論文の概要: Cross-Modal Iteration Distillation for Robust IHD Screening: The IDNet Framework and A New Benchmark

• arxiv url: http://arxiv.org/abs/2606.30027v1
• Date: Mon, 29 Jun 2026 09:27:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.164208
• Title: Cross-Modal Iteration Distillation for Robust IHD Screening: The IDNet Framework and A New Benchmark
• Title（参考訳）: ロバストIHDスクリーニングのためのクロスモーダル反復蒸留:IDNetフレームワークと新しいベンチマーク
• Abstract要約: IDNetは、学習可能なクエリを使用して、左目、右目、臨床機能を統合するフレームワークである。 我々は,25,205名の被験者から50,410枚の画像を生成するオープンソースキュレーションと品質制御パイプラインを備えた再現可能な英国バイオバンクベンチマークを構築した。 このベンチマークでは、IDNetは画像のみ、臨床のみ、および複数のマルチモーダルベースラインより優れており、CDAはプラグイン融合モジュールとして複数のビジュアルエンコーダを一貫して改善している。
• 参考スコア（独自算出の注目度）: 14.40841844647674
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Color Fundus Photography (CFP) offers a low-cost and non-invasive route for ischemic heart disease (IHD) screening, but current studies are limited by scarce public benchmarks and ineffective fusion of retinal images with sparse clinical variables. We propose IDNet, a multimodal framework with a Cross-Modal Distillation Aggregator (CDA) that uses learnable queries to sequentially integrate left-eye, right-eye, and clinical features, mitigating the imbalance between high-dimensional visual features and low-dimensional tabular inputs. We also construct a reproducible UK Biobank benchmark with open-source curation and quality-control pipelines, yielding 50,410 images from 25,205 subjects. On this benchmark, IDNet outperforms image-only, clinical-only, and several multimodal baselines, and CDA consistently improves multiple visual encoders as a plug-in fusion module.
• Abstract（参考訳）: Color Fundus Photography (CFP) は、虚血性心疾患(IHD)スクリーニングのための低コストで非侵襲的な経路を提供するが、現在の研究は、少ない公的なベンチマークと少ない臨床変数による網膜画像の非効果的な融合によって制限されている。 学習可能な問合せを用いて,左目,右目,臨床特徴を逐次統合し,高次元の視覚的特徴と低次元の表型入力の不均衡を緩和する,クロスモーダル蒸留集約器(CDA)を備えた多モードフレームワークIDNetを提案する。 また,25,205名の被験者から50,410枚の画像を生成する,オープンソースキュレーションと品質制御パイプラインを備えた再現可能な英国バイオバンクベンチマークを構築した。 このベンチマークでは、IDNetは画像のみ、臨床のみ、および複数のマルチモーダルベースラインより優れており、CDAはプラグイン融合モジュールとして複数のビジュアルエンコーダを一貫して改善している。

関連論文リスト

• Adaptive Clinical-Aware Latent Diffusion for Multimodal Brain Image Generation and Missing Modality Imputation [12.941925130242039]
  ACADiffは、行方不明の脳画像モダリティを合成するフレームワークである。 不完全なマルチモーダル観測と目標モダリティの間のマッピングを、段階的に潜在表現を認知することによって学習する。 生成品質が向上し、80%の不足シナリオでも堅牢な診断性能を維持する。
  論文  参考訳（メタデータ） (2026-03-10T17:26:45Z)
• UOPSL: Unpaired OCT Predilection Sites Learning for Fundus Image Diagnosis Augmentation [47.08936359575974]
  我々は,OCTから派生した空間的先行情報を用いて,捕食部位を動的に識別する新しい無ペアマルチモーダルフレームワーク UOPSL を提案する。 我々のアプローチは、拡張された病気のテキスト記述を通して、未治療の根本とOCTを橋渡しする。 28の重要カテゴリにわたる9つの多様なデータセットで実施された実験は、我々のフレームワークが既存のベンチマークを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-09-10T14:19:59Z)
• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• LMBiS-Net: A Lightweight Multipath Bidirectional Skip Connection based CNN for Retinal Blood Vessel Segmentation [0.0]
  ブラディングアイの病気は、しばしば変化した網膜形態と相関し、眼底画像の網膜構造をセグメント化することによって臨床的に識別できる。 深層学習は、医用画像のセグメンテーションにおいて有望であるが、反復的な畳み込みとプール操作への依存は、エッジ情報の表現を妨げる可能性がある。 LMBiS-Net と呼ばれる軽量な画素レベルのCNNを網膜血管のセグメンテーションのために提案する。
  論文  参考訳（メタデータ） (2023-09-10T09:03:53Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Retinal Structure Detection in OCTA Image via Voting-based Multi-task Learning [27.637273690432608]
  本稿では,Voting-based Adaptive Feature Fusion multi-task network (VAFF-Net) を提案する。 タスク固有の投票ゲートモジュールは、特定のタスクに対して2段階の異なる特徴を適応的に抽出し、融合するために提案される。 さらなる研究を容易にするため、ソースコードと評価ベンチマークを備えたデータセットの一部がパブリックアクセス用にリリースされた。
  論文  参考訳（メタデータ） (2022-08-23T05:53:04Z)
• Discriminative Kernel Convolution Network for Multi-Label Ophthalmic Disease Detection on Imbalanced Fundus Image Dataset [13.687617973585983]
  緑内障、糖尿病網膜症、白内障などの眼疾患が世界中の視覚障害の主な原因である。 本研究は,識別的カーネル畳み込みネットワーク (DKCNet) を提案する。 また、全く見えない眼底像にも良い効果が認められる。
  論文  参考訳（メタデータ） (2022-07-16T12:03:27Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• RFormer: Transformer-based Generative Adversarial Network for Real Fundus Image Restoration on A New Clinical Benchmark [8.109057397954537]
  眼科医は眼疾患のスクリーニングと診断に眼底画像を使用している。 低品質 (LQ) 劣化した眼底画像は, 臨床検診における不確実性を引き起こしやすく, 一般的に誤診のリスクを増大させる。 本稿では, 臨床基礎画像の真の劣化を回復するために, トランスフォーマーベースの生成適応ネットワーク(RFormer)を提案する。
  論文  参考訳（メタデータ） (2022-01-03T03:56:58Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)
• Additive Angular Margin for Few Shot Learning to Classify Clinical Endoscopy Images [42.74958357195011]
  我々は、トレーニングデータが少なくなり、未知のデータセットからテストサンプルのラベルクラスを予測するために使用できる、数ショットの学習手法を提案する。 我々は,マルチセンター,マルチオーガナイズド,マルチモーダル内視鏡データの大規模コホートにおけるいくつかの確立された手法との比較を行った。
  論文  参考訳（メタデータ） (2020-03-23T00:20:52Z)

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。