論文の概要: LoSA-Net: A Localized and Scale-Adaptive Network for Boundary-Sensitive Prediction of Perineural Invasion in 3D MRI

• arxiv url: http://arxiv.org/abs/2607.10992v1
• Date: Mon, 13 Jul 2026 01:31:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.295437
• Title: LoSA-Net: A Localized and Scale-Adaptive Network for Boundary-Sensitive Prediction of Perineural Invasion in 3D MRI
• Title（参考訳）: LoSA-Net : 3次元MRIにおける境界感度予測のための局所的・大規模適応型ネットワーク
• Abstract要約: 3次元MRIにおける境界感応性PNI予測のための局所的・大規模適応型アーキテクチャであるLoSA-Netを提案する。 TNA(Talking Neighborhood Attention)は,局所的自己注意と頭部混合による神経側細部を保存し,SAFM(Scale-Adaptive Feature Mixing)は多スケール深度処理を用いて受容野を変調する。 胆管癌168例の造影MRIスキャンでは、LoSA-NetはAUC0.7567を達成し、マッチした前処理と最適化設定の下で、代表的畳み込みとトランスフォーマーベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 10.952583431192279
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perineural invasion (PNI) is a clinically relevant indicator of tumor aggressiveness and can influence surgical decision-making, motivating interest in reliable preoperative assessment. The subtle MRI features of PNI, however, often resemble nearby anatomy, complicating noninvasive prediction. These fine perineural cues are easily attenuated by routine downsampling or overly global feature aggregation, reducing the effectiveness of conventional volumetric models. We present LoSA-Net, a localized and scale-adaptive architecture for boundary-sensitive PNI prediction in 3D MRI. Talking Neighborhood Attention (TNA) preserves nerve-aligned detail through localized self-attention with head-wise mixing, and Scale-Adaptive Feature Mixing (SAFM) modulates the receptive field using multi-scale depthwise processing. Cross-Scale Refinement and Alignment (CSRA) maintains consistency between semantic context and high-resolution boundaries across stages. In contrast-enhanced MRI scans from 168 patients with cholangiocarcinoma, LoSA-Net achieves an AUC of 0.7567 and outperforms representative convolutional and transformer baselines under matched preprocessing and optimization settings.
• Abstract（参考訳）: 神経周囲浸潤(PNI)は腫瘍攻撃性を示す臨床的に重要な指標であり、外科的決定に影響を及ぼし、信頼性の高い術前評価への関心を喚起する。 PNIの微妙なMRIの特徴は、しばしば近くの解剖学に似ており、非侵襲的な予測を複雑にしている。 これらの微細な外耳道アプローチは, 日常的なダウンサンプリングや過度にグローバルな特徴集約によって容易に減衰し, 従来の容積モデルの有効性を低下させる。 3次元MRIにおける境界感応性PNI予測のための局所的・大規模適応型アーキテクチャであるLoSA-Netを提案する。 TNA(Talking Neighborhood Attention)は,局所的自己注意と頭部混合による神経側細部を保存し,SAFM(Scale-Adaptive Feature Mixing)は多スケール深度処理を用いて受容野を変調する。 CSRA(Cross-Scale Refinement and Alignment)は、セマンティックコンテキストとステージ間の高解像度境界との整合性を維持する。 胆管癌168例の造影MRIスキャンでは、LoSA-NetはAUC0.7567を達成し、マッチした前処理と最適化設定の下で、代表的畳み込みとトランスフォーマーベースラインを上回っている。

関連論文リスト

• Bridging Vision Foundation Model Priors with CLIP for Spatial-aware Few-shot Anomaly Detection in Medical Images [48.646448077284276]
  本研究では,数発の医用異常検出を効果的に行うためのフレームワークであるSpatial-FADを提案する。 VFM空間先行とCLIPセマンティクスを組み合わせることで病変の局在を改善する。 本手法は,Diceスコアが11.4%,AUCが1.8%以上の平均改善を実現している。
  論文  参考訳（メタデータ） (2026-09-11T05:21:01Z)
• SCINTILLA-SNN: A Spiking Multi-Scale Selective Aggregation Network for Perineural Invasion Prediction [8.986941416850877]
  胆管癌における周神経浸潤(PNI)の術前予測は臨床的に有用であるが,依然として困難である。 標準的な3D CNNとトランスフォーマーアーキテクチャは、密度や空間的に均一な方法でボリュームデータを処理している。 PNI予測のための4段階層バックボーンとマルチスケールスパイクアグリゲーションモジュールからなる3次元スパイクネットワークSCINTILLA-SNNを提案する。
  論文  参考訳（メタデータ） (2026-09-10T08:36:34Z)
• Adaptive Routing for Efficient Diffusion Transformer-Based PNI Prediction [9.156688576258206]
  肝門部浸潤(PNI)は胆管癌における重要な予後因子である。 従来の畳み込みニューラルネットワークは、長距離空間的手がかりを捉える場合に限られている。 Transformer-based MRIは、空間的に分散された文脈的手がかりを集約することにより、ボリュームのグローバルなモデリングを改善する。
  論文  参考訳（メタデータ） (2026-07-13T13:18:21Z)
• Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
  3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。 新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
  論文  参考訳（メタデータ） (2026-06-24T18:00:03Z)
• Spatio-Temporal Mixture-of-Modality-Experts Diffusion for Quantitative DCE-MRI Synthesis from Incomplete MR Sequences [2.4827516038838064]
  ST-MoMEは様々なサブセットから3次元DCEパラメータマップを合成する条件拡散フレームワークである。 3DパッチベースのトレーニングとSwinベースのバックボーンで、画像空間で直接拡散を行う。 正常化平均角誤差(NMSE)は,3つのDCEパラメータすべてで集計され,$v_p$および$v_e$での先行成績,$Kmathrmtrans$での競合成績,臨床的に重要な腫瘍領域における最小再構成誤差を達成している。
  論文  参考訳（メタデータ） (2026-06-24T08:10:27Z)
• D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
  欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。 提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
  論文  参考訳（メタデータ） (2026-05-21T09:55:42Z)
• Degradation-Aware Blur-Segmentation of Brain Tumor [6.772154747032075]
  Degradation-Aware Blur-Segmentation Net (DABSeg) は、同期型3次元マルチモーダルMRIセグメンテーションネットワークである。 本稿では,ブラーとリバランスの強度を補正する特徴領域の運動分解ステムを提案する。 システムは、モダリティの効果的な相補性を得るために、ぼやけたクロスアテンションモジュールとマルチスケールの残留アグリゲーションを組み込む。
  論文  参考訳（メタデータ） (2026-05-15T06:47:37Z)
• A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis [38.31064949197421]
  MRIからCTへの変換にはGANアーキテクチャが提案されている。 我々は,3つの解剖学的領域にわたるSynthRAD2025データセットを用いて評価した10のGANのベンチマークを示す。
  論文  参考訳（メタデータ） (2026-03-13T18:54:20Z)
• 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)
• OmniCT: Towards a Unified Slice-Volume LVLM for Comprehensive CT Analysis [53.01523944168442]
  臨床解釈はスライス駆動の局所特徴と体積駆動の空間表現の両方に依存している。 既存のLVLM(Large Vision-Language Models)は、CTスライスとボリューム理解で断片化されている。 我々は,CTシナリオのための強力な統合スライスボリュームLVLMであるOmniCTを提案する。
  論文  参考訳（メタデータ） (2026-02-18T00:42:41Z)
• ReCoGNet: Recurrent Context-Guided Network for 3D MRI Prostate Segmentation [11.248082139905865]
  アノテーション付きデータとしてMRIシーケンスをモデル化するハイブリッドアーキテクチャを提案する。 本手法では, 深層保存型DeepVLab3バックボーンを用いて, それぞれのMRIスライスから高レベルなセマンティック特徴を抽出し, コンブLSTM層で構築した再帰的畳み込みヘッドを用いて, スライス間の情報統合を行う。 現状の2D, 3Dセグメンテーションモデルと比較して, 精度, リコール, IoU, Dice similarity Coefficient (DSC) およびロバストネスの点で優れた性能を示す。
  論文  参考訳（メタデータ） (2025-06-24T14:56:55Z)
• GS-EMA: Integrating Gradient Surgery Exponential Moving Average with Boundary-Aware Contrastive Learning for Enhanced Domain Generalization in Aneurysm Segmentation [41.97669338211682]
  勾配手術指数移動平均(GS-EMA)最適化手法と境界対応コントラスト学習(BACL)を利用した新しい領域一般化戦略を提案する。 我々のアプローチは、ドメイン不変の特徴を学習することで、新しい未確認領域に適応し、様々な臨床データセット間での動脈瘤セグメンテーションの堅牢性と正確性を向上させることができるという点で際立っている。
  論文  参考訳（メタデータ） (2024-02-23T10:02:15Z)
• 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)

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。