論文の概要: CHM-Net: Center Heatmap-driven Macro-Micro Modeling Network for MRI-based Microbial Density Stratification

• arxiv url: http://arxiv.org/abs/2607.09812v1
• Date: Fri, 10 Jul 2026 03:08:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.204136
• Title: CHM-Net: Center Heatmap-driven Macro-Micro Modeling Network for MRI-based Microbial Density Stratification
• Title（参考訳）: CHM-Net:MRIに基づく微生物密度階層化のための中心熱マップ駆動マクロマイクロモデリングネットワーク
• Abstract要約: 微生物密度は、腫瘍の評価と治療の意思決定に臨床的に重要である。 近年のディープラーニングの進歩は、マルチモーダルMRIから非侵襲的に推測できることを示唆している。 この課題に対してCenter Heatmap-driven Macro-micro Modeling Network (CHM-Net)を導入している。
• 参考スコア（独自算出の注目度）: 25.013822726231876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Microbial density is clinically important for tumor assessment and treatment decision-making, and recent advances in deep learning suggest that it can be non-invasively inferred from multimodal MRI. In this work, MRI-based Microbial Density Stratification (MRI-MDS) is first investigated as a patient-level representation learning task, and Center Heatmap-driven Macro-micro modeling Network (CHM-Net) is introduced for this task. CHM-Net first establishes the link between imaging phenotypes and microbial states through center heatmap-guided small-lesion response localization. Building upon this, it constructs patient-level macro-micro evidence from localized heatmap responses for microbial density prediction. Experiments on the novel GBNPC 2026 dataset constructed for MRI-MDS demonstrate the effectiveness of CHM-Net, achieving superior performance over representative baselines with a 12.06% absolute ACC gain over the strongest competing result. Additionally, auxiliary validation on two 3D medical image datasets further verifies its robustness across volumetric medical image classification scenarios. The project is available at https://anonymous.4open.science/r/CHM-Net-942E/.
• Abstract（参考訳）: 微生物密度は腫瘍の評価や治療の意思決定において臨床的に重要であるが,近年の深層学習の進歩は,マルチモーダルMRIから非侵襲的に推測できることを示唆している。 本研究では,まず患者レベルの表現学習課題としてMRIに基づく微生物密度階層化(MRI-MDS)について検討し,その課題に対してCenter Heatmap-driven Macro-micro Modeling Network(CHM-Net)を紹介した。 CHM-Netはまず、中心熱マップ誘導小残基応答の局在による画像表現型と微生物状態の関連を確立する。 これに基づいて、微生物密度予測のための局所的な熱マップ応答から患者レベルのマクロマイクロエビデンスを構築する。 MRI-MDSのために構築された新しいGBNPC 2026データセットの実験では、CHM-Netの有効性が示され、12.06%の絶対ACCゲインで代表ベースラインよりも優れた性能を示した。 さらに、2つの3次元医用画像データセットに対する補助的検証により、容積的医用画像分類シナリオ間の堅牢性をさらに検証する。 このプロジェクトはhttps://anonymous.4open.science/r/CHM-Net-942E/で入手できる。

関連論文リスト

• A physics-informed foundation model for quantitative diffusion MRI [46.74037857287099]
  物理インフォームド・ジェネレーティブ・マイクロ構造ネットワーク(PIGMENT)は、人間の脳の微細構造に先立って普遍的な生成を学習し、被験者の計測データにゼロショットで適応し、被験者固有のマップを復元する。 PIGMENT は,10倍加速スキャンによる小脳皮質微細構造パターンと幼少期の白質発達軌跡を保存し,強い生物学的妥当性を示した。 これらの結果は、PIGMENTを物理インフォームド基礎モデルとして確立し、定量的拡散MRIを、伝統的に不安定で不均一、あるいは信頼性のある分析に制約された状態に拡張する。
  論文  参考訳（メタデータ） (2026-05-29T07:26:35Z)
• Hybrid Multi-Dimensional MRI Prostate Cancer Detection via Hadamard Network-Based Bias Correction and Residual Networks [4.984516442539689]
  我々は,PCa検出のための2段階AIフレームワークであるHadamard-Bias NetworkとResNet18(HBR-Net-18)を提案する。 最初の段階では、Adamard U-Netベースのアルゴリズムは、6つのパラメトリックHM-MRIマップ間の強度不均一性(バイアス場)を抑制する。 第2段階では、Residual Network (ResNet-18) がパッチレベルの分類を行う。
  論文  参考訳（メタデータ） (2026-04-18T18:49:21Z)
• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• Macro2Micro: A Rapid and Precise Cross-modal Magnetic Resonance Imaging Synthesis using Multi-scale Structural Brain Similarity [17.13479117328612]
  我々は、GAN(Generative Adversarial Network)を用いて、マクロ構造から脳の微細構造を予測するディープラーニングフレームワークであるMacro2Microを紹介する。 我々は,T1強調MRIをFA画像に忠実に変換し,従来法と比較して構造類似度指数測定(SSIM)を6.8%改善したことを示す。 MRモダリティ変換あたり0.01秒未満の推論時間を持つマクロ2マイクロは、医学および研究応用におけるリアルタイムマルチモーダルレンダリングの可能性を導入する。
  論文  参考訳（メタデータ） (2024-12-15T18:49:20Z)
• CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
  生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。 フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
  論文  参考訳（メタデータ） (2024-10-11T08:53:58Z)
• Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
  画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。 グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。 我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
  論文  参考訳（メタデータ） (2023-11-22T21:51:29Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [45.62331048595689]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・ディベサール・ネットワーク(cGAN)アーキテクチャを用いて,ヒト・コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Perfusion imaging in deep prostate cancer detection from mp-MRI: can we take advantage of it? [0.0]
  深部神経アーキテクチャにおける灌流画像からの情報を統合するための戦略を評価する。 ダイナミックコントラスト造影MR検査からの灌流マップでは,PCa病変のセグメンテーションとグレーディング性能に正の影響が認められた。
  論文  参考訳（メタデータ） (2022-07-06T07:55:46Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• Category Guided Attention Network for Brain Tumor Segmentation in MRI [6.685945448824158]
  カテゴリー案内注意U-Net(CGA U-Net)という新しいセグメンテーションネットワークを提案する。 本モデルでは,より正確かつ安定した特徴写像の長距離依存性を計算コストを伴わずに捉えることのできる,注目機構に基づくスーパービジョンアテンションモジュール(SAM)を設計する。 BraTS 2019データセットの実験的結果は、提案手法がセグメント化性能と計算複雑性の両方において最先端のアルゴリズムより優れていることを示している。
  論文  参考訳（メタデータ） (2022-03-29T09:22:29Z)

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。