論文の概要: Compass: Prostate Cancer Detection Needs Multi-View Context

• arxiv url: http://arxiv.org/abs/2607.06919v1
• Date: Wed, 08 Jul 2026 02:23:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.251845
• Title: Compass: Prostate Cancer Detection Needs Multi-View Context
• Title（参考訳）: コンパス:マルチビューコンテキストを必要とする前立腺がん検出
• Abstract要約: 既存のAIメソッドのほとんどは、単一の$USイメージを分離して分析することに重点を置いている。 我々は2D画像のストリームとしてUSドルの研究をモデル化する新しいAI手法であるCompassを提案する。 われわれのフレームワークは、$$US PCa 検出のためのマルチビューコンテキストの価値を強調している。
• 参考スコア（独自算出の注目度）: 3.090514536344662
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) analysis of micro-ultrasound ($μ$US) has shown promise for prostate cancer (PCa) detection. However, most existing AI methods focus on the analysis of single $μ$US images in isolation. By contrast, expert $μ$US readers typically assess a full recorded video study, which provides three-dimensional context, to improve PCa detection compared to single-frame analysis. Inspired by this clinical workflow, we propose Compass, a novel AI methodology which models a $μ$US study as a stream of 2D images. Compass jointly integrates rotational sweep videos of the prostate with $μ$US frames acquired at the moment of biopsy, and performs evidence aggregation across the study using a transformer conditioned on the probe's rotational angle. Finally, a decoder head predicts frame-level and study-level risk scores for the patient. The model is trained and evaluated using a multi-center clinical trial dataset of $μ$US studies, including continuous rotational scans of the prostate and videos captured during biopsy acquisition. We compare the proposed method to baseline AI methods from the literature and to risk scores provided by clinical experts. Our framework shows strong performance, highlighting the value of multi-view context for $μ$US PCa detection, and providing a potentially powerful tool to complement human expertise in $μ$US-based PCa diagnosis. Our code is available at: https://github.com/mharmanani/Compass.
• Abstract（参考訳）: マイクロ超音波(μ$US)の人工知能(AI)分析は前立腺癌(PCa)検出の可能性を示唆している。 しかし、既存のAI手法のほとんどは、単一の$μ$USイメージを分離して分析することに重点を置いている。 対照的に、専門家の$μ$USの読者は、単一のフレーム分析と比較してPCaの検出を改善するために、3次元の文脈を提供する完全なビデオスタディを評価するのが一般的である。 この臨床ワークフローに触発され、2D画像のストリームとして$μ$USの研究をモデル化する新しいAI手法であるCompassを提案する。 Compassは、前立腺の回転スイープビデオと生検時に取得した$μ$USフレームを共同で統合し、プローブの回転角に条件付けされたトランスフォーマーを用いて、研究全体にわたってエビデンスアグリゲーションアグリゲーションを実行する。 最後に、デコーダヘッドは、患者のフレームレベルと研究レベルのリスクスコアを予測する。 このモデルは、バイオプシー取得時に取得した前立腺の連続的な回転スキャンやビデオを含む、$μ$USの研究の多施設臨床試験データセットを用いて、訓練され、評価される。 提案手法を文献からのベースラインAI手法と臨床専門家によるリスクスコアと比較した。 我々のフレームワークは、$μ$US PCa検出のためのマルチビューコンテキストの価値を強調し、$μ$USベースのPCa診断において、人間の専門知識を補完する強力なツールを提供する。 私たちのコードは、https://github.com/mharmanani/Compass.comで利用可能です。

関連論文リスト

• BenchX: Benchmarking AI Models for Cancer Detection and Localization with Demographic and Protocol Biases [59.19934491064188]
  人工知能(AI)は医療画像において顕著な成功を収めた。 これらのモデルは、実世界の臨床環境において矛盾なく機能することが多い。 我々は,12種類の腫瘍検出AIモデルを体系的に評価する85,355個のCTスキャンのベンチマークを開発した。
  論文  参考訳（メタデータ） (2026-06-23T17:58:59Z)
• Robust and Explainable Bicuspid Aortic Valve Diagnosis Using Stacked Ensembles on Echocardiography [0.0]
  We developed a explainable AI model that distinguishs bicuspid aortic valve (BAV) from tricuspid aortic valve (TAV)。 マルチバックボーンビデオアンサンブルをトレーニングし, 漏洩認識, 階層化された外部クロスバリデーションプロトコルを用いて評価した。 Grad-CAMは大動脈根と葉っぱ面に有意なエビデンスを局在させ, SHAP値を大域的に集計し, 各ビデオバックボーンの重み付き予測への寄与を定量化した。
  論文  参考訳（メタデータ） (2026-05-13T16:10:39Z)
• MIL vs. Aggregation: Evaluating Patient-Level Survival Prediction Strategies Using Graph-Based Learning [52.231128973251124]
  我々は,WSIおよび患者レベルでの生存を予測するための様々な戦略を比較した。 前者はそれぞれのWSIを独立したサンプルとして扱い、他の作業で採用された戦略を模倣します。 後者は、複数のWSIの予測を集約するか、最も関連性の高いスライドを自動的に識別するメソッドを含む。
  論文  参考訳（メタデータ） (2025-03-29T11:14:02Z)
• Cancer-Net PCa-Seg: Benchmarking Deep Learning Models for Prostate Cancer Segmentation Using Synthetic Correlated Diffusion Imaging [65.83291923029985]
  前立腺癌(PCa)は米国で最も多いがんであり、約30,000人、全診断の29%、2024年に35,000人が死亡した。 前立腺特異的抗原 (PSA) 検査やMRI (MRI) などの従来のスクリーニング法は診断において重要であるが、特異性や一般化性には限界がある。 U-Net, SegResNet, Swin UNETR, Attention U-Net, LightM-UNetといった最先端のディープラーニングモデルを用いて200ドルのCDIから前立腺を抽出する。
  論文  参考訳（メタデータ） (2025-01-15T22:23:41Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Localizing Anomalies via Multiscale Score Matching Analysis [13.898576482792173]
  本稿では,脳MRIにおける異常局所化のための新しい教師なし手法であるSpatial-MSMAを紹介する。 パッチ位置とグローバル画像の特徴を条件としたフレキシブルな正規化フローモデルを用いて、パッチワイド異常スコアを推定する。 この方法は、通常発達している幼児の1,650T1およびT2重み付き脳MRIのデータセットで評価される。
  論文  参考訳（メタデータ） (2024-06-28T17:57:12Z)
• Multimodal Variational Autoencoder for Low-cost Cardiac Hemodynamics Instability Detection [8.500041312027596]
  本稿では,低コスト胸部X線(CXR)と心電図(ECG)を事前トレーニングで統合する新しい変分オートエンコーダ(textCardioVAE_textX,G$)を提案する。 また,本モデルでは,臨床特徴に直接関連した予測の微妙な解釈が可能である。
  論文  参考訳（メタデータ） (2024-03-20T15:06:49Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Prostate Lesion Estimation using Prostate Masks from Biparametric MRI [0.0]
  マルチパラメトリック前立腺MRIの代替としてバイパラメトリックMRIが登場した。 前立腺癌(csPCA)の診断は困難である。 ディープラーニングアルゴリズムはコホート研究において、csPCAを検出する代替ソリューションとして登場した。
  論文  参考訳（メタデータ） (2023-01-11T13:20:24Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• End-to-end Prostate Cancer Detection in bpMRI via 3D CNNs: Effect of Attention Mechanisms, Clinical Priori and Decoupled False Positive Reduction [0.0]
  本研究では、Bi-parametric MR Imaging (bpMRI) における臨床的に重要な前立腺癌(csa)の自動局在化のための新しい3Dコンピュータ支援診断モデルを提案する。 ディープアテンションメカニズムはその検出ネットワークを駆動し、多解像度で健全な構造と高度に識別可能な特徴次元をターゲットにしている。 CNNベースのモデルは、独立コホートにおける生検で確認された悪性腫瘍を検出するために訓練することができる。
  論文  参考訳（メタデータ） (2021-01-08T22:59:30Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)

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。