論文の概要: Anatomy-Privileged Distillation with Token Routing for MRI-Based Prediction of Perineural Invasion

• arxiv url: http://arxiv.org/abs/2607.11987v1
• Date: Mon, 13 Jul 2026 14:18:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:29.919667
• Title: Anatomy-Privileged Distillation with Token Routing for MRI-Based Prediction of Perineural Invasion
• Title（参考訳）: MRIによる神経周囲浸潤の予測のためのトケルーティングによる解剖学的分別蒸留法
• Authors: Hyunsu Go, Youngung Han, Kyeonghun Kim, Junga Kim, Dohyun Kweon, Jinyong Jun, Sungha Park, Anna Jung, Induk Um, Yului Jeong, Suah Park, Jina Jeong, Pa Hong, Woo Kyoung Jeong, Won Jae Lee, Ken Ying-Kai Liao, Hyuk-Jae Lee, Nam-Joon Kim,
• Abstract要約: 肝門部浸潤は肝内胆管癌の術後予後不良と診断された。 T2強調MRIを用いた患者レベルのPNI予測のための解剖学専門教員フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.156688576258206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perineural invasion (PNI) is associated with poor postoperative outcomes in intrahepatic cholangiocarcinoma, but it is confirmed by surgical pathology. Existing preoperative imaging models often rely on radiologist-defined variables, contrast-enhanced imaging, or manual annotations. We propose an anatomy-privileged teacher--student framework for patient-level PNI prediction from T2-weighted MRI. During training, the teacher uses MRI with tumor and liver masks to learn dense token routing, and the student distills this guidance to retain and aggregate informative tokens under a fixed budget. Anatomical supervision is restricted to training, and the deployed model does not require masks at inference. In 155 patients, the proposed method achieved the highest mean AUROC of 0.750 among matched MRI-only baselines evaluated under the same protocol, with 1.43 GFLOPs and 8.02 ms per case on a Jetson Orin Nano Super Developer Kit.
• Abstract（参考訳）: 肝門部浸潤は肝内胆管癌の術後予後不良と診断された。 既存の画像モデルは、しばしば放射線技師が定義した変数、コントラスト強調画像、手動のアノテーションに依存している。 T2強調MRIを用いた患者レベルのPNI予測のための解剖学専門教員フレームワークを提案する。 トレーニング中、教師はMRIに腫瘍と肝臓マスクを使って密集したトークンのルーティングを学習し、学生はこのガイダンスを蒸留し、固定された予算の下で情報的トークンを保持し、集約する。 解剖学的監督はトレーニングに限られており、デプロイされたモデルは推論時にマスクを必要としない。 提案法は155例において,Jetson Orin Nano Super Developer Kitで1.43 GFLOPsと8.02 msと,同一プロトコルで評価されたMRIのみのベースラインのうち,0.750のAUROCの平均値を達成した。

関連論文リスト

• 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)
• LoGSAM: Parameter-Efficient Cross-Modal Grounding for MRI Segmentation [5.967422994926725]
  基礎モデルに基づくローカライゼーションとセグメンテーションのためのテキストプロンプトに変換するパラメータ効率のフレームワークであるLoGSAMを提案する。 これらのプロンプトは、LoRA適応型視覚言語検出モデルであるGrounding DINOを介して、テキスト条件の腫瘍局在を誘導する。 健診12例のMRI画像に対して, ドイツの放射線技師の指示による全パイプラインの評価を行い, 症例レベルの精度91.7%を得た。
  論文  参考訳（メタデータ） (2026-03-18T10:33:32Z)
• Cross-modality Guidance-aided Multi-modal Learning with Dual Attention for MRI Brain Tumor Grading [47.50733518140625]
  脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。 本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T07:54:49Z)
• Radiomics Boosts Deep Learning Model for IPMN Classification [3.4659499358648675]
  膵管内乳頭粘液性腫瘍 (IPMN) の嚢胞は術前膵管病変であり,膵癌に進展する可能性がある。 本研究では,MRIスキャンからIPMNリスク分類のための新しいコンピュータ支援診断パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-09-11T22:41:52Z)
• 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)
• Live image-based neurosurgical guidance and roadmap generation using unsupervised embedding [53.992124594124896]
  本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。 生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。 166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
  論文  参考訳（メタデータ） (2023-03-31T12:52:24Z)
• Exploring contrast generalisation in deep learning-based brain MRI-to-CT synthesis [0.0]
  MRIプロトコルは、経時的に変化するか、または低品質のsCTをもたらすセンターによって異なる可能性がある。 ドメインランダム化(DR)は、脳sCT生成のためのDLモデルの一般化を増大させる。
  論文  参考訳（メタデータ） (2023-03-17T18:45:05Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• 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)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。