論文の概要: BAT-RM: A Boundary-Aware Transformer with Region-Aware Multi-Directional Mamba for Clinically Deployed Cervical Cancer Radiotherapy Auto-Contouring
- arxiv url: http://arxiv.org/abs/2607.11949v1
- Date: Sat, 11 Jul 2026 16:58:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:29.892476
- Title: BAT-RM: A Boundary-Aware Transformer with Region-Aware Multi-Directional Mamba for Clinically Deployed Cervical Cancer Radiotherapy Auto-Contouring
- Title（参考訳）: BAT-RM : 臨床応用頚部癌放射線治療のための領域対応多方向マンバを用いた境界変換器
- Abstract要約: 子宮頸癌放射線治療計画のためのエンドツーエンド自動検査システムについて検討した。
このアーキテクチャは、ソベルゲート境界アテンション、長距離コンテキストのための線形時間多方向マンバモジュール、およびバウンダリ-スケルトン誘導核融合ゲートを統合している。
- 参考スコア（独自算出の注目度）: 2.1332035830532523
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a clinically deployed end-to-end auto-contouring system for cervical cancer radiotherapy planning, anchored by the Boundary-Aware Transformer with Region-Aware Mamba (BAT-RM), a hybrid architecture that integrates Sobel-gated boundary attention, a linear-time, multi-directional Mamba module for long-range context, and a boundary-skeleton-guided fusion gate. This design achieves linear-time complexity for long-range context modeling, avoiding the quadratic cost of full spatial self-attention. The full pipeline spans multi-institutional data collection, rigorous inter-rater quality assurance, external validation in an independent cohort, and a web-based clinical interface natively compatible with Varian, RayStation, and Monaco. Against four baselines, BAT-RM achieves superior performance across seven anatomical classes, with statistically significant improvements in target volumes, including GTV and CTV, and in organs at risk such as the rectum and bladder. A prospective multi-center reader study involving 13 radiation oncologists demonstrated that AI assistance elevates junior oncologists' IoU from 0.899 to 0.965, approaching senior-level accuracy, while reducing contouring time by more than 80%. The system also reduced expert consultation rates and improved inter-reader consistency, reflecting gains in both efficiency and quality assurance. Following clinical deployment at a partner hospital, the system reduced patient wait times from days to hours without additional staffing, enabling same-day or next-day initiation of treatment for routine cases. BAT-RM demonstrates that a rigorous research pipeline, from data curation to clinical deployment, can translate directly into measurable patient benefit in resource-constrained settings where the demand for radiotherapy far exceeds specialist capacity.
- Abstract（参考訳）: 本報告では, がん放射線治療計画において, 境界アウェア・コンバータと領域アウェア・マンバ(BAT-RM)を併用し, 境界アウェア・マンバ(BAT-RM)とソベルゲート・バウンダリ・アテンション・アテンション(Sobel-gate boundary attention)を統合したハイブリッドアーキテクチャ, 長距離コンテキストのための線形時間多方向マンバモジュール, 境界スケルトン誘導核融合ゲートを両立させる。
この設計は、空間的自己注意の二次コストを回避し、長距離コンテキストモデリングのための線形時間複雑性を実現する。
完全なパイプラインは、多施設のデータ収集、厳格な層間品質保証、独立したコホートでの外部検証、Varian、RayStation、Monacoとネイティブに互換性のあるWebベースの臨床インターフェースにまたがる。
4つのベースラインに対して、BAT-RMは7つの解剖学的クラスで優れた性能を示し、GTVやCTV、直腸や膀胱などのリスクのある臓器において統計学的に顕著に改善されている。
13人の放射線腫瘍学者を含む先進的なマルチセンター読者の研究は、AIアシストが若い腫瘍学者のIoUを0.899から0.965に上昇させ、上級レベルの精度に近づき、コントゥーリング時間を80%以上短縮することを示した。
また、専門家の相談率を削減し、リーダー間の整合性を改善し、効率性と品質保証の両方の利益を反映した。
パートナー病院での臨床展開後、このシステムは患者の待ち時間を数日から数時間に短縮し、日常的な症例に対する即日または翌日の治療を可能とした。
BAT-RMは、データキュレーションから臨床展開まで、厳格な研究パイプラインが、放射線療法の需要が専門能力を超えるリソース制約のある環境で、直接、測定可能な患者の利益に変換できることを実証している。
関連論文リスト
- Anatomy-Change-Aware Bidirectional Selective State-Space Memory for Clinically Deployed Thoracic Radiotherapy Auto-Contouring [0.6439594960617159]
DAMM-Net++は胸部放射線治療のための2.5Dアーキテクチャである。
これはスライス表面の不整合、小さな低コントラストターゲットの系統的故障、ケースごとの信頼性信号の欠如に対処する。
平均Diceは0.955、HD95は3.78mmで、低コントラストの臓器のリスクが最も高い。
論文 参考訳（メタデータ） (2026-09-11T11:13:06Z) - Implicit Neural Representations for Multimodal Longitudinal Image Imputation and Interpolation [0.43554874937871363]
腫瘍における経時的マルチパラメトリックMRIは経過観察の中心である。
実世界の臨床データは、欠落したシーケンス、不均一な取得プロトコル、時間点の様々な解像度によって特徴づけられる。
患者固有の暗黙的ニューラル表現(INR)を世界座標,時間,モダリティ条件の連続関数として,縦型MRIをモデル化する。
論文 参考訳（メタデータ） (2026-08-03T14:47:10Z) - How Far Has AI Come in Liver Fibrosis Staging? A Large-Scale Real-World Dataset and Benchmark [44.60966248233107]
我々はMICCAI 2025 CARE-Liverチャレンジから派生した大規模データセットとベンチマークであるLiFSを紹介する。
LiFSは、様々な現実世界のスキャナーから、組織学的に確認されたアノテーションで完全なガドキシー酸の配列を提供する最初のベンチマークである。
論文 参考訳（メタデータ） (2026-05-25T08:47:16Z) - Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳（メタデータ） (2026-03-23T05:46:45Z) - ALMo: Interactive Aim-Limit-Defined, Multi-Objective System for Personalized High-Dose-Rate Brachytherapy Treatment Planning and Visualization for Cervical Cancer [38.24269895136321]
本稿では, ALMo (Aim-Limit-Defined Multi-Objective System) を提案する。
ALMoは、手作業による計画品質を一貫して満たまたは超過した治療計画を生成し、65%のケースでドシメトリックな改善を示している。
論文 参考訳（メタデータ） (2026-02-14T08:24:38Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging [55.62977326180104]
前立腺癌病変の分節化に対する近年の深層学習アプローチは,限られた性能を達成している。
本稿では,標準拡散型プロトコルの拡張として,合成相関拡散イメージング(CDI$s$)について検討する。
以上の結果から,PCa病変セグメント化タスクの実践的ドロップイン強化として,CDI$s$に対する検証済み統合経路が確立された。
論文 参考訳（メタデータ） (2025-11-11T04:16:12Z) - 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) - Automated MRI Tumor Segmentation using hybrid U-Net with Transformer and Efficient Attention [0.7456526005219317]
癌は異常な増殖であり、局所的に浸潤し、遠くの臓器に転移する可能性がある。
最近のAIベースのセグメンテーションモデルは一般的に、大規模な公開データセットでトレーニングされている。
本研究は,AI腫瘍セグメンテーションモデルを病院ソフトウェアに直接組み込んで,効率的な腫瘍治療計画と実施を行う。
論文 参考訳（メタデータ） (2025-06-18T15:36:37Z) - Enhancing Glucose Level Prediction of ICU Patients through Hierarchical Modeling of Irregular Time-Series [4.101915841246237]
本研究は, ICU患者における血糖値の予測を目的としたMulti-source Irregular Time-Series Transformer (MITST) を提案する。
MITSTは様々な臨床データ(検査結果、薬品、バイタルサインを含む)を事前に定義された集計なしで統合する。
MITSTは、AUROCで1.7ポイント(pp)、AUPRCで1.8ppという統計学的に有意な(p 0.001 )改善を達成している。
論文 参考訳（メタデータ） (2024-11-03T03:03:11Z) - Interactive 3D Segmentation for Primary Gross Tumor Volume in Oropharyngeal Cancer [1.9997842016096374]
我々は最先端のアルゴリズムを実装し、新しい2段階のインタラクティブ・クリック・リファインメント・フレームワークを提案する。
2S-ICRフレームワークは、ユーザインタラクションのないDiceの類似係数0.713$pm$0.152と、5つのインタラクション後の0.824$pm$0.099を達成し、どちらの場合も既存の手法よりも優れている。
論文 参考訳（メタデータ） (2024-09-10T15:58:21Z) - Analysis of the 2024 BraTS Meningioma Radiotherapy Planning Automated Segmentation Challenge [45.3253187215396]
2024年脳腫瘍髄膜腫放射線療法(BraTS-MEN-RT)は、自動セグメンテーションアルゴリズムの進歩を目的とした課題である。
我々はBraTS-MEN-RTチャレンジの設計と結果について述べる。
論文 参考訳（メタデータ） (2024-05-28T17:25:43Z) - End-to-End Breast Cancer Radiotherapy Planning via LMMs with Consistency Embedding [47.360760580820966]
放射線腫瘍学の分野に適した包括的大規模マルチモーダルモデル(LMM)であるRO-LMMを提案する。
このモデルは臨床ワークフロー内の一連のタスクを効果的に管理し、臨床コンテキストの要約、放射線治療計画の提案、計画誘導されたターゲットボリュームセグメンテーションを含む。
クリーン入力処理の整合性を維持しつつ,LMMのノイズ入力に対する堅牢性を向上する,CEFTune(Consistency Embedding Fine-Tuning)技術を提案する。
論文 参考訳（メタデータ） (2023-11-27T14:49:06Z)
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。