論文の概要: Shape Over Intensity: Directional Topological Encoding for False Positive Reduction in Intracranial Aneurysm Detection
- arxiv url: http://arxiv.org/abs/2607.05317v2
- Date: Tue, 07 Jul 2026 07:11:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 14:37:43.371961
- Title: Shape Over Intensity: Directional Topological Encoding for False Positive Reduction in Intracranial Aneurysm Detection
- Title（参考訳）: 頭蓋内大動脈瘤検出における偽陽性除去のための方向的トポロジカルエンコーディング
- Authors: Akshay Gokhale, Mansi Dhamne,
- Abstract要約: CTアンギオグラフィーによる頭蓋内動脈瘤(IAs)の自動検出は,偽陽性率が高いことによる重篤な障害である。
SECT(Smooth Euler Characteristics Transform)を評価するプラグイン・アンド・プレイ・トポロジ対応の偽陽性削減フレームワークを提案する。
SECTは、方向認識法(AUC 0.68)よりもかなり優れた0.943のAUCを達成し、臨床成績の逆転を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated detection of intracranial aneurysms (IAs) from CT angiography (CTA) is severely hindered by high false-positive rates. Convolutional neural networks (CNNs) rely on local pixel intensities, causing systematic confusion between saccular aneurysms and vascular bifurcations - a problem especially acute for small lesions (<3 mm), where detection sensitivity falls below 60%. We propose a plug-and-play, topology-aware false-positive reduction framework evaluating the Smooth Euler Characteristic Transform (SECT) - a directional representation encoding global 3D vascular geometry independently of intensity - against persistence-based summaries (Persistence Images and Landscapes), tested on a stratified subset of the RSNA 2025 dataset. SECT achieves an AUC of 0.943, substantially outperforming direction-agnostic methods (AUC ~0.68), and exhibits a clinical performance inversion: it excels on the sub-3 mm cohort, maintaining 0.943 AUC and 78.5% sensitivity at 95% specificity. The representation is also scanner-agnostic, achieving 0.927 mean AUC under leave-one-scanner-out (LOGO) validation across four manufacturers. By capturing asymmetric geometric invariants rather than intensity profiles, SECT reliably resolves the primary structural confounder in IA detection, positioning it as a robust downstream filter for hybrid deep-learning diagnostic pipelines.
- Abstract（参考訳）: CTアンギオグラフィー(CTA)による頭蓋内動脈瘤(IAs)の自動検出は,偽陽性率が高いことによる深刻な障害である。
畳み込みニューラルネットワーク(CNN)は局所的なピクセル強度に依存しており、嚢状動脈瘤と血管分岐の系統的な混乱を引き起こしている。
本研究では,Smooth Euler Characteristics Transform (SECT) を用いて,Smooth Euler Characteristics Transform (SECT) を用いて,RSNA 2025データセットの階層化された部分集合を用いて,永続性に基づく要約(永続化画像と景観)に対して,グローバルな3次元血管形状をエンコードする指向性表現を提案する。
SECTは0.943のAUCを達成し、方向認識法(AUC ~0.68)を大幅に上回り、臨床的にパフォーマンスの逆転を示し、0.943のAUCと78.5%の感度を95%の特異性で維持する。
この表現はスキャナ非依存であり、4つの製造業者の間で、LOGO(Leath-one-Scanner-out)の検証の下でAUCの平均0.927を達成している。
強度プロファイルではなく非対称な幾何学的不変量をキャプチャすることで、SECTはIA検出における主要な構造的共同創設者を確実に解決し、ハイブリッドディープラーニング診断パイプラインのための堅牢な下流フィルタとして位置づける。
関連論文リスト
- Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution [0.2959600957981674]
高分解能(HR)MRIの取得は、しばしばスキャン時間制限によって妨げられる。
深層学習に基づく超解像法は、しばしば解剖学的詳細を幻覚させ、脳の構造的整合性を損なう。
MR-DiffuSRは,HR T1w構造像を予め組み込んだ多解拡散型超解法フレームワークで,厚めのFLAIRスキャンの復元を誘導する。
論文 参考訳（メタデータ） (2026-06-24T00:26:01Z) - Three-Dimensional Retinal Microvasculature Restoration in OCT Angiography [4.442929593591647]
本稿では,1つのOCTAボリュームから解剖学的血管を復元する深層学習アルゴリズムを提案する。
提案モデルでは,元のOCTAボリュームに比べて画質が大幅に向上した。
論文 参考訳（メタデータ） (2026-06-03T19:23:09Z) - 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) - Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。
リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。
本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
論文 参考訳（メタデータ） (2025-10-30T13:54:37Z) - Automated Labeling of Intracranial Arteries with Uncertainty Quantification Using Deep Learning [2.6279333406008476]
3D Time-of-light Magnetic Resonance Angiography (3D ToF-MRA) を用いたディープラーニングによる自動動脈ラベル作成フレームワークを提案する。
我々のフレームワークは、自動脳血管ラベリングのためのスケーラブルで正確で不確実なソリューションを提供し、下流血行動態解析をサポートし、臨床統合を容易にする。
論文 参考訳（メタデータ） (2025-09-22T12:57:21Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - HANS-Net: Hyperbolic Convolution and Adaptive Temporal Attention for Accurate and Generalizable Liver and Tumor Segmentation in CT Imaging [2.7205074719266062]
腹部CT像における肝・腫瘍の正確なセグメンテーションは確実な診断と治療計画に重要である。
ニューラル表現とシナプティック・プラスティック・ネットワーク(HANS-Net)を用いたハイパーボリック・コンボリューションの導入
HANS-Netは、階層的幾何表現のための双曲的畳み込み、マルチスケールテクスチャ学習のためのウェーブレットインスパイアされた分解モジュール、暗黙の神経表現分岐を組み合わせた。
論文 参考訳（メタデータ） (2025-07-15T13:56:37Z) - 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) - Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。
UIA検出では偽陽性率は0.21で感度は0.80であった。
論文 参考訳（メタデータ） (2023-08-06T03:28:08Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳（メタデータ） (2021-12-18T17:05:53Z) - Automated Pulmonary Embolism Detection from CTPA Images Using an
End-to-End Convolutional Neural Network [31.58557856188164]
本研究では,肺塞栓症(PE)検出のための終末から終末までトレーニング可能な畳み込みニューラルネットワーク(CNN)を提案する。
本システムでは,0mm,2mm,5mmで1体積あたりの偽陽性が63.2%,78.9%,86.8%であった。
論文 参考訳（メタデータ） (2021-11-10T03:01:55Z)
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。