論文の概要: SpikeDS: Dual Sparsity Spikformer for Perineural Invasion Prediction in 3D MRI

• arxiv url: http://arxiv.org/abs/2607.11986v1
• Date: Mon, 13 Jul 2026 14:03:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:29.919241
• Title: SpikeDS: Dual Sparsity Spikformer for Perineural Invasion Prediction in 3D MRI
• Title（参考訳）: SpikeDS:Dual Sparsity Spikformerによる3次元MRIの経皮的浸潤予測
• Abstract要約: 肝門部浸潤(PNI)は胆管癌(CCA)の予後不良に関連している 既存のディープラーニングアプローチは、ボリューム医療画像の計算コストを禁止し、臨床展開を制限している。 本研究では,2連スパイク通信とウィンドウプルーニングによる空間空間空間空間空間の疎結合を連成的に活用するスパイクニューラルネットワークアーキテクチャであるDual Sparsity Spikformer(SpikeDS)を提案する。
• 参考スコア（独自算出の注目度）: 9.308617762081804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perineural invasion (PNI) is associated with poor prognosis in cholangiocarcinoma (CCA). However, its detection from 3D MRI remains challenging due to the subtle and spatially heterogeneous imaging signatures at the tumor periphery. Capturing such spatially sparse cues necessitates volumetric analysis of 3D MRI, but existing deep learning approaches incur prohibitive computational costs on volumetric medical images, limiting their clinical deployment. We propose Dual Sparsity Spikformer (SpikeDS), a spiking neural network architecture that jointly exploits activation sparsity from binary spike communication and spatial sparsity from window pruning based on firing rates. SpikeDS introduces Dual Sparsity Spiking Attention (DSSA), which combines two complementary mechanisms. The first is Window-based Expert Mixture Spiking Attention (W-EMSA), which selectively applies attention only to salient windows identified by their firing rates. The second is Cross-Window Spiking Self-Attention (CW-SSA), which enables global context exchange through an asymmetric scheme in which pruned windows still contribute as key-value sources. Evaluated on a clinical cohort of 139 CCA patients via 5-fold cross-validation, SpikeDS achieves an AUC of 0.753 while consuming only 14.4 mJ, surpassing the best baseline in both AUC and energy efficiency. These results suggest that dual sparsity provides an effective hardware-aware strategy for improving the efficiency of 3D spiking transformers without compromising diagnostic performance.
• Abstract（参考訳）: 肝門部浸潤 (PNI) は胆管癌 (CCA) の予後不良と関連している。 しかし, 腫瘍周囲の微妙で空間的に不均一な画像所見が原因で, 3次元MRIによる検出はいまだに困難である。 このような空間的にスパースなキューの取得は3次元MRIの体積解析を必要とするが、既存のディープラーニングアプローチは体積医学画像の計算コストを禁止し、臨床展開を制限している。 本研究では,2連スパイク通信とウィンドウプルーニングによる空間空間空間空間空間の疎結合を連成的に活用するスパイクニューラルネットワークアーキテクチャであるDual Sparsity Spikformer(SpikeDS)を提案する。 SpikeDSは2つの相補的なメカニズムを組み合わせたDual Sparsity Spiking Attention (DSSA)を導入した。 1つ目は、WindowsベースのExpert Mixture Spiking Attention (W-EMSA)で、これは発射速度によって識別される正常な窓のみに選択的に注意を向ける。 2つ目は、CW-SSA(Cross-Window Spiking Self-Attention)である。 139人のCCA患者の臨床コホートを5倍のクロスバリデーションで評価し、SpykeDSはAUCの0.753を達成し、14.4mJしか消費せず、AUCとエネルギー効率の両面で最高のベースラインを超えている。 これらの結果は, 診断性能を損なうことなく, 3次元スパイクトランスの効率向上に有効なハードウェア・アウェア・ストラテジーが提供されることを示唆している。

関連論文リスト

• 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)
• AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages [0.8886706641070187]
  急性虚血性脳卒中(AIS)病変は脳卒中予後と治療計画に必須である。 非造影CT(non-contrast CT, NCCT)は, 微妙な梗塞造影を呈し, 手指の脱線が遅く, 労働集約的である。 2段階のnnU-Net互換3Dセグメンテーション法を提案する。
  論文  参考訳（メタデータ） (2026-08-20T08:12:31Z)
• MIRAGE: Multi-scale Lesion-Informed Representation with Auxiliary Guidance for MRI Contrast Enhancement [7.375452467540828]
  我々は,大域的再建と知覚的損失を3種類の病変認識監視と組み合わせた残存2次元U-NetであるMIRAGEを紹介する。 マルチ中心MAMA-SYNTHデータから, 8つの補完画像, 領域, 放射能, セグメンテーションに基づく測定値を用いて, 301症例について評価を行った。
  論文  参考訳（メタデータ） (2026-07-21T14:26:59Z)
• 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)
• DSTAN-Med: Dual-Channel Spatiotemporal Attention with Physiological Plausibility Filtering for False Data Injection Attack Detection in IoT-Based Medical Devices [1.1459450491541954]
  インターネット・オブ・メディカル・モノ(IoMT)センサーに対するFalse Data Injection(FDI)攻撃は、トランジットにおける重要な兆候を偽る。 既存のディープラーニング検出器は、センサ間の空間的相関と、共有潜在空間における時間的依存関係を分割する。 DSTAN-Medは多変量センサウインドウを独立センサワイド(SWA)および時間ワイド(TWA)自己アテンション経路を介してルーティングする教師付きフレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T22:39:47Z)
• Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
  マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。 T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。 本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
  論文  参考訳（メタデータ） (2026-04-01T14:50:18Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• 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)
• UKAN-EP: Enhancing U-KAN with Efficient Attention and Pyramid Aggregation for 3D Multi-Modal MRI Brain Tumor Segmentation [1.7582682214679273]
  UKAN-EPは、マルチモーダルMRI脳腫瘍セグメンテーションのためのオリジナルの2D U-KANモデルの新規な3D拡張である。 UKAN-EPは、計算資源を著しく少なくしながら、より優れたセグメンテーション性能を達成する。
  論文  参考訳（メタデータ） (2024-08-01T04:27:10Z)
• 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)
• Z-SSMNet: Zonal-aware Self-supervised Mesh Network for Prostate Cancer Detection and Diagnosis with Bi-parametric MRI [14.101371684361675]
  我々はZ-SSMNet(Z-SSMNet)を提案する。 Z-SSMNetは、多次元(2D/2.5D/3D)畳み込みを適応的に統合し、高密度スライス情報と異方性bpMRIのスパースス間情報を学習する。 大規模未ラベルデータを用いてネットワークを事前学習するための自己教師付き学習(SSL)手法を提案する。
  論文  参考訳（メタデータ） (2022-12-12T10:08:46Z)
• MEDS-Net: Self-Distilled Multi-Encoders Network with Bi-Direction Maximum Intensity projections for Lung Nodule Detection [5.923156939373596]
  放射線科医の診療ワークフローを完全に組み込んだ肺結節検出手法を提案する。 様々な厚さの2方向最大強度投影(MIP)画像とCTスキャンの3Dパッチを併用した。 提案手法はLUNA16データセットの888スキャンで厳格に評価され、CPMスコアは93.6%となった。
  論文  参考訳（メタデータ） (2022-10-30T05:55:45Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)

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。