論文の概要: CenSynCMB: Centre Maps and Physics-Guided Synthesis for Microbleed Detection

• arxiv url: http://arxiv.org/abs/2607.05325v1
• Date: Mon, 06 Jul 2026 17:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.251443
• Title: CenSynCMB: Centre Maps and Physics-Guided Synthesis for Microbleed Detection
• Title（参考訳）: CenSynCMB:マイクロブリード検出のための中心地図と物理誘導合成
• Abstract要約: 脳微小出血(CMB)は小血管疾患のMRIマーカーであり、アミロイド関連画像異常(ARIA-H)の微小出血成分である。 本稿では,CenSynCMBを提案する。CenSynCMBは,3次元注意U-Net,補助中心監督,偽負駆動再重み付け,および正のCMBとラベル付き硬い負の折りたたみ式物理誘導合成を組み合わせた,中心誘導・模倣対応フレームワークである。
• 参考スコア（独自算出の注目度）: 4.262994999847829
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cerebral microbleeds (CMBs) are MRI markers of small vessel disease and the microbleed component of amyloid related imaging abnormalities (ARIA-H), but their small size, sparsity, and similarity to vessels, calcification-like foci, and artefacts make automated detection difficult. We propose CenSynCMB, a centre-guided and mimic-aware framework combining a 3D Attention U-Net, auxiliary centre-map supervision, false-negative-driven reweighting, and fold-wise physics-guided synthesis of positive CMBs and labelled hard negatives. Synthetic data expose the detector to compact lesions and common mimics without validation or test leakage. On VALDO Task 2, CenSynCMB achieved the best local-comparison lesion-level F1 (74.3%, p = 0.020); on external AIBL SWI, it achieved the highest local-comparison recall (88.5%, p = 0.0058) and F1 (65.0%, p = 0.0016). Together, these results support scalable CMB candidate extraction in large, unlabelled MRI cohorts, while highlighting cohort-specific calibration as the next step toward reliable burden estimation.
• Abstract（参考訳）: 脳微小血腫(CMB)は、小血管疾患のMRIマーカーであり、アミロイド関連画像異常(ARIA-H)の微小血腫成分である。 我々は,CenSynCMBを提案する。CenSynCMBは,3次元注意U-Net,補助中心マップ管理,偽負駆動再重み付け,および正のCMBとラベル付きハード負の折りたたみ物理誘導合成を組み合わせた,中心誘導・模倣対応フレームワークである。 合成データは、検証やテストリークなしに、検出器をコンパクトな病変や一般的な模倣に公開する。 VALDO Task 2では、CenSynCMBは最高の局所比較病変レベルF1(74.3%、p = 0.020)を達成し、AIBL SWIでは最も高い局所比較障害リコール(88.5%、p = 0.0058)とF1(65.0%、p = 0.0016)を達成した。 これらの結果は、大規模で遅延のないMRIコホートにおけるスケーラブルなCMB候補抽出をサポートし、コホート固有の校正を信頼性の高い負担推定に向けた次のステップとして強調する。

関連論文リスト

• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• VS-DDPM: Efficient Low-Cost Diffusion Model for Medical Modality Translation [5.653007117827187]
  拡散モデルは高品質な合成データを生成するが、推論が遅い。 可変ステップ拡散確率モデル(VS-DDPM)を提案する。 我々はBraTS2025とSynthRAD2025の課題において,MRI,腫瘍摘出,MRI-to-sCT,CBCT-to-sCTの4つの課題について検討した。
  論文  参考訳（メタデータ） (2026-04-24T18:32:22Z)
• Revisiting Global Token Mixing in Task-Dependent MRI Restoration: Insights from Minimal Gated CNN Baselines [43.505945728449774]
  グローバルトークンミキシングはMRIの復元において一般的なモデル設計の選択肢となっている。 グローバルトークンミキシングは,各タスクにおいて,3つの代表的な設定で実際に有用かどうかを問う。 MRIの再生を高速化するために、最小限のアンロールゲート-CNNベースラインは、すでに非常に競争力がある。 制御された低パス劣化により、低周波k空間データがほとんど保存されている超解像の場合、局所ゲートモデルは競争力を維持する。 空間的ヘテロセダスティックノイズを発音する場合には,トークン混合モデルが最も高い総合的な性能が得られる。
  論文  参考訳（メタデータ） (2026-03-02T04:57:52Z)
• Pattern-Aware Diffusion Synthesis of fMRI/dMRI with Tissue and Microstructural Refinement [34.55493442995441]
  パターン認識型2次元モーダル3次元拡散フレームワークであるPSDを提案する。 また, 組織微細化ネットワークと高効率な組織微細化を一体化して, 組織微細化と微細化の維持を図っている。 PSNR/SSIMスコアはfMRI合成では29.83dB/90.84%、dMRI合成では30.00dB/77.55%である。
  論文  参考訳（メタデータ） (2025-11-07T03:51:00Z)
• Lightweight Classifier for Detecting Intracranial Hemorrhage in Ultrasound Data [0.5461938536945722]
  外傷性脳損傷(TBI)に続発する頭蓋内出血(ICH)は重要な診断課題である。 CT(Computed Tomography)やMRI(Magnetic Resonance Imaging)などの診断には、大きな限界がある。 超音波ティッシュパルサチリティイメージング(TPI)を用いた自動ICH検出のための機械学習手法の検討
  論文  参考訳（メタデータ） (2025-10-22T09:04:42Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• A Foundation Model Framework for Multi-View MRI Classification of Extramural Vascular Invasion and Mesorectal Fascia Invasion in Rectal Cancer [3.9216006287929086]
  直腸癌では, 血管外浸潤 (EVI) と中腸間膜間膜浸潤 (MFI) が重要視される。 基礎モデルの特徴,調和,多視点融合は直腸MRIの診断性能を著しく向上させる。
  論文  参考訳（メタデータ） (2025-05-23T16:04:27Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• CIMIL-CRC: a clinically-informed multiple instance learning framework for patient-level colorectal cancer molecular subtypes classification from H\&E stained images [42.771819949806655]
  CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。 我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
  論文  参考訳（メタデータ） (2024-01-29T12:56:11Z)
• COVID-MTL: Multitask Learning with Shift3D and Random-weighted Loss for Automated Diagnosis and Severity Assessment of COVID-19 [39.57518533765393]
  新型コロナウイルスの正確かつ効果的な評価を支援する自動化方法が緊急に必要である。 我々は,放射線学とNATの両方において,自動かつ同時検出と重症度評価が可能なエンドツーエンドマルチタスク学習フレームワーク(COVID-MTL)を提案する。
  論文  参考訳（メタデータ） (2020-12-10T08:30:46Z)
• DEEPMIR: A DEEP neural network for differential detection of cerebral Microbleeds and IRon deposits in MRI [3.0361336899303693]
  脳小血腫(CMB)と基底核の非出血鉄鉱床は脳老化、血管疾患、神経変性疾患と関連している。 我々は,CMBと鉄鉱床のセグメンテーションに適した深層学習に基づくセグメンテーション法を開発した。
  論文  参考訳（メタデータ） (2020-09-30T23:50:14Z)

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。