論文の概要: Causal-Adversarial Probing of Clinical Covariates for Prostate MRI Grading

• arxiv url: http://arxiv.org/abs/2607.14720v1
• Date: Thu, 16 Jul 2026 08:36:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:33.044955
• Title: Causal-Adversarial Probing of Clinical Covariates for Prostate MRI Grading
• Title（参考訳）: 前立腺MRI像における臨床異変の因果解析
• Authors: Yipei Wang, Shiqi Huang, Wen Yan, Weixi Yi, Dean C. Barratt, Mark Emberton, Daniel C. Alexander, Veeru Kasivisvanathan, Yipeng Hu,
• Abstract要約: 前立腺癌評価のための深層学習モデルは、有用な疾患信号や非一般的なショートカット情報を反映した臨床変数を符号化することができる。 我々はMRI国際尿路病理学会(ISUP)グレードグループ予測における共変量依存性の探索のための因果推論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）: 16.472500593176928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning models for prostate MRI-based cancer grading may encode clinical covariates that either reflect useful disease-related signal or non-generalising shortcut information, but their role is usually assumed. We propose a causal-reasoning framework for probing covariate dependence in MRI-based International Society of Urological Pathology (ISUP) Grade Group prediction. Rather than treating mpMRI as a direct cause of grade, we model MRI appearance and ISUP grade as observations of latent tumour pathology, and test whether candidate clinical variables act as nuisance correlates, disease-related proxies, or irrelevant covariates in the learned representation. We implement this using an adversarial framework that suppresses the decodability of individual clinical covariate at a time while preserving MRI-based grade prediction. The approach is developed and evaluated on 2,903 prostate MRI examinations, with external validation on 576 patients. We report a set of interesting and previously under-explored imaging-to-clinical-variable interactions in the context of deep learning generalisation. For examples, in binary ISUP Grade Group $\geq2$ classification, suppressing age, BMI, and alcohol use improved AUC by 1.23%, 0.84%, and 1.42%, respectively (all p < 0.05), suggesting reduced non-generalising covariate information; In contrast, suppressing PSA and prostate volume degraded AUC by 1.91% and 7.61% (all p < 0.001), indicating that these variables carried task-relevant signal. These findings show that adversarial covariate suppression can provide a practical representation-level analysis for distinguishing potentially harmful dependence from informative signal in prostate MRI grading models.
• Abstract（参考訳）: 前立腺MRIに基づくがんグレーディングのための深層学習モデルは、有用な疾患関連信号や非一般のショートカット情報を反映する臨床共変体をコード化することができるが、その役割は通常想定されている。 我々はMRIに基づく国際尿路病理学会(ISUP)グレードグループ予測における共変量依存性の探索のための因果推論フレームワークを提案する。 mpMRIを診断の直接的な原因として扱うのではなく、MRIの出現とISUPグレードを潜在腫瘍病理の観察としてモデル化し、候補臨床変数が学習表現におけるニュアンス相関、疾患関連プロキシ、関係のない共変体として振る舞うかどうかを検証した。 我々は,MRIによる評価を保ちながら,個々の臨床共変体の陰影性を抑制する逆向きの枠組みを用いてこれを実装した。 前立腺MRI検査2,903例を対象とし,576例について外的検証を行った。 深層学習の一般化の文脈において, 興味深く, 未探索のイメージからクリニカル・可変な相互作用の集合を報告した。 例えば、バイナリISUPグレードグループ$\geq2$分類では、年齢、BMI、アルコール使用がそれぞれ1.23%、0.84%、1.42%改善し(全てp < 0.05)、非一般の共変量情報の減少が示唆された。 以上の結果から,前立腺MRIグレーディングモデルにおいて,逆行性共変量抑制は,情報伝達信号からの潜在的有害な依存を識別するための実用的な表現レベル解析に有効であることが示唆された。

関連論文リスト

• Exploring the added value of pretherapeutic MR descriptors in predicting breast cancer pathologic complete response to neoadjuvant chemotherapy [0.0]
  本研究の目的は、MRI記述子と完全反応(pCR)とネオアジュバント化学療法(NAC)との関連性を評価することである。 単焦点と非選択マージンは独立にpCRと関連付けられており、BC応答NACを予測するためにモデル性能を向上させることができる。
  論文  参考訳（メタデータ） (2025-11-21T11:25:32Z)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• Transformer Classification of Breast Lesions: The BreastDCEDL_AMBL Benchmark Dataset and 0.92 AUC Baseline [1.9336815376402718]
  本研究では,ダイナミックコントラスト強調MRIにおける乳腺病変の自動分類のためのトランスフォーマーベースフレームワークを提案する。 患者レベルでは100%の感度と67%の特異性を有する病変レベル分類のAUCを0.92で達成したSegFormerアーキテクチャを実装した。 データセット、モデル、評価プロトコルの公開リリースは、DCE-MRI病変分類のための最初の標準化されたベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-09-30T15:58:02Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• LRMR: LLM-Driven Relational Multi-node Ranking for Lymph Node Metastasis Assessment in Rectal Cancer [12.795639054336226]
  直腸癌リンパ節転移の術前評価は治療決定を導く。 一部の人工知能モデルはブラックボックスとして機能し、臨床信頼に必要な解釈性に欠ける。 LLM-Driven Multi-node Ranking frameworkであるLRMRを紹介する。
  論文  参考訳（メタデータ） (2025-07-15T16:29:45Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• 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)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Prostate Lesion Estimation using Prostate Masks from Biparametric MRI [0.0]
  マルチパラメトリック前立腺MRIの代替としてバイパラメトリックMRIが登場した。 前立腺癌(csPCA)の診断は困難である。 ディープラーニングアルゴリズムはコホート研究において、csPCAを検出する代替ソリューションとして登場した。
  論文  参考訳（メタデータ） (2023-01-11T13:20:24Z)
• Mixed Supervision of Histopathology Improves Prostate Cancer Classification from MRI [0.9395521049323435]
  MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。 患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
  論文  参考訳（メタデータ） (2022-12-13T02:34:57Z)

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。