Fugu-MT 論文翻訳(概要): Learning from Complementary Ultrasound Representations for Liver Disease Classification

論文の概要: Learning from Complementary Ultrasound Representations for Liver Disease Classification

arxiv url: http://arxiv.org/abs/2607.12062v2
Date: Wed, 15 Jul 2026 02:18:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-16 12:21:59.510881
Title: Learning from Complementary Ultrasound Representations for Liver Disease Classification
Title（参考訳）: 肝疾患分類のための補音表現からの学習
Authors: Sabahattin Mert Daloglu, Gokce Bekar, Ceren Coskun, Senanur Sahin, Harvey Castro, Soner Hacihaliloglu, Halley P. Letter, Ilker Hacihaliloglu,
Abstract要約: 従来のBモード超音波と物理誘導型および局所位相に基づく画像表現を併用し,その有効性を評価する。従来のBモード超音波単独と比較して,相補的超音波表現は分類性能を一貫して改善した。
参考スコア（独自算出の注目度）: 2.5185216146103104
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Differentiating non-alcoholic steatohepatitis (NASH) from non-alcoholic fatty liver disease (NAFLD) using ultrasound remains challenging due to subtle tissue alterations and the limited information available in conventional B-mode imaging. In this work, we investigate whether complementary ultrasound representations derived from the same acquisition can improve NASH versus NAFLD classification. Specifically, we combine conventional B-mode ultrasound with physics-guided and local phase-based image representations and evaluate their effectiveness using self-supervised masked autoencoders (MAEs) and graph convolutional networks (GCNs). Experiments were conducted on a multi-site Mayo Clinic cohort consisting of 2,547 liver ultrasound scans from 125 patients. Compared with conventional B-mode ultrasound alone, complementary ultrasound representations consistently improved classification performance, yielding gains of up to 32.4% in accuracy and 91.2% in F1-score. Furthermore, performance improvements were consistently observed across age groups, sex, race, ethnicity,and acquisition sites.
Abstract（参考訳）: 超音波による非アルコール性脂肪肝疾患 (NAFLD) と非アルコール性脂肪肝炎 (NASH) の鑑別は, 微妙な組織変化と, 従来のBモード画像で見られる限られた情報により困難である。本研究は,NASHとNAFLDの分類において,同買収による補完的超音波表現がNASHを向上するか否かを検討するものである。具体的には,従来のBモード超音波と物理誘導型および局所位相に基づく画像表現を組み合わせることで,自己教師付きマスク付きオートエンコーダ (MAE) とグラフ畳み込みネットワーク (GCN) を用いてその効果を評価する。 125例の肝超音波検査2,547例からなる多施設マヨクリニックコホートを用いて実験を行った。従来のBモード超音波単独と比較して、補完的な超音波表現は分類性能を一貫して改善し、32.4%の精度と91.2%のF1スコアを得た。さらに、年齢層、性別、人種、民族、および買収地でパフォーマンスの改善が一貫して見られた。

関連論文リスト

A Unified Framework for the Detection and Classification of Fatty Pancreas in Ultrasound Images [0.0]
非アルコール性脂肪膵疾患(非アルコール性脂肪膵疾患、NAFPD)は、メタボリックシンドローム、インスリン抵抗性、膵癌のリスクの増加に関連する診断下状態である。腹部超音波画像から正常膵と脂肪膵を自動分類するためのエンドツーエンドフレームワークを提案する。
論文参考訳（メタデータ） (2026-05-08T09:13:30Z)
Self-Supervised Ultrasound Representation Learning for Renal Anomaly Prediction in Prenatal Imaging [0.19544534628180868]
自動胎児腎異常分類のための自己教師型超音波基礎モデルの性能評価を行った。モデルはクロスバリデーションと独立したテストセットを使用したDenseNet-169畳み込みベースラインと比較された。 AUCは16.28%、F1スコアは46.15%向上した。
論文参考訳（メタデータ） (2025-12-15T15:28:02Z)
Hybrid Approach Combining Ultrasound and Blood Test Analysis with a Voting Classifier for Accurate Liver Fibrosis and Cirrhosis Assessment [0.0]
肝硬変は, 正常な肝組織と線維性欠損組織との置換が関与する疾患である。従来の肝生検診断法は侵襲的であり,定期検診では不便である。本稿では,肝線維症と肝硬変検出精度を向上させるために,機械学習技術と臨床データと超音波スキャンを組み合わせたハイブリッドモデルを提案する。
論文参考訳（メタデータ） (2025-04-28T12:54:51Z)
The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
論文参考訳（メタデータ） (2025-04-10T16:26:47Z)
Intra-video Positive Pairs in Self-Supervised Learning for Ultrasound [65.23740556896654]
自己教師付き学習 (SSL) は, 医療画像におけるラベル付きデータの健全性に対処するための戦略である。本研究では,同じBモード超音波映像をSSLのペアとして用いた近位画像の利用効果について検討した。この手法は、従来の超音波特異的比較学習法の平均検査精度を新型コロナウイルスの分類で上回り、IVPP(Intra-Video Positive Pairs)と命名された。
論文参考訳（メタデータ） (2024-03-12T14:57:57Z)
OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文参考訳（メタデータ） (2022-06-17T08:11:26Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文参考訳（メタデータ） (2022-03-23T00:58:27Z)
Accurate and Generalizable Quantitative Scoring of Liver Steatosis from Ultrasound Images via Scalable Deep Learning [21.43259331780492]
2D超音波は、スクリーニングとモニタリングにおいて最も広く使われている非侵襲的ツールであるが、関連する診断は非常に主観的である。 2次元超音波画像から肝脂肪症の定量的評価のための拡張型ディープラーニング(DL)アルゴリズムを開発した。
論文参考訳（メタデータ） (2021-10-12T00:52:04Z)
Realistic Ultrasound Image Synthesis for Improved Classification of Liver Disease [54.69792905238048]
超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-07-27T12:37:19Z)
Multi-Modal Active Learning for Automatic Liver Fibrosis Diagnosis based on Ultrasound Shear Wave Elastography [13.13249599000645]
超音波診断などの非侵襲的診断は肝線維症自動診断(ALFD)において極めて重要であるノイズの多いデータ、アメリカの画像の高価なアノテーションのため、AI(Artificial Intelligence)アプローチの応用はボトルネックに直面する。本研究では, ALFD のための多モード融合ネットワーク (MMFN-AL) を革新的に提案する。
論文参考訳（メタデータ） (2020-11-02T03:05:24Z)

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。