論文の概要: Weakly Supervised Pathology-Informed Representation Learning for PET-Based Content Retrieval of Intra-Tumour Heterogeneity

• arxiv url: http://arxiv.org/abs/2607.18762v1
• Date: Tue, 21 Jul 2026 06:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.337767
• Title: Weakly Supervised Pathology-Informed Representation Learning for PET-Based Content Retrieval of Intra-Tumour Heterogeneity
• Title（参考訳）: PETによる腫瘍内不均一性検索のための弱教師付き病理インフォームド表現学習
• Abstract要約: 提案手法は,PETのみの推論を維持しながら,訓練中にH&Eから得られる情報を利用するように設計された。 PET腫瘍由来のボクセル表現の学習には,教員養成戦略が用いられた。
• 参考スコア（独自算出の注目度）: 0.16999906736255554
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a weakly supervised 18FFDG PET representation-learning framework for content based medical image retrieval, using H&E derived information during training while preserving PET-only inference. The proposed method was designed to use H&E derived information during training while maintaining PET only inference. A teacher student training strategy was used to learn the PET tumour derived voxel representations, from which global and hotspot conditioned embeddings were generated along with maps of intra tumour heterogeneity in our oesophegeal cancer test case. A progressive ablation strategy was used to evaluate the contribution of different supervision mechanisms. Retrieval performance was assessed across cross-validation folds using metrics including mean average precision, normalised discounted cumulative gain and mean reciprocal rank. Additional analyses evaluated ablation performance, hotspot faithfulness through perturbation/deletion experiments, prototype-specific PET uptake behaviour and indirect patient level concordance between learned PET prototype classes and selected histomic features. Progressive introduction of pathology informed supervision and hotspot modelling improved PET retrieval performance compared with global PET representations and conventional PET baselines. Across the ablation ladder, PET hotspot conditioned representations consistently provided stronger retrieval than global embeddings, indicating that focusing on informative tumour subregions improved sensitivity to intra tumour heterogeneity. Histopathology concordance further showed that the learned classes were not simply high uptake PET regions; instead, they demonstrated distinct heterogeneity in 18F FDG uptake.
• Abstract（参考訳）: PETのみの推論を保ちながらトレーニング中にH&Eから得られた情報を用いて,コンテンツに基づく医用画像検索のための弱い教師付き18FFDG PET表現学習フレームワークを提案する。 提案手法は,PETのみの推論を維持しながら,訓練中にH&Eから得られる情報を利用するように設計された。 耳下腺癌検査症例の腫瘍内不均一性のマップとともに, グローバルおよびホットスポット条件付き埋め込みを作成したPET腫瘍由来のボクセル表現を学習するために, 教員の研修戦略を用いた。 プログレッシブアブレーション戦略は、異なる監督機構の寄与を評価するために用いられた。 平均精度, 正規化割引累積ゲイン, 平均相互ランクなどの指標を用いて, クロスバリデーション・フォールドの検索性能を評価した。 追加分析では, 摂動・脱落実験によるアブレーション性能, ホットスポット忠実度, プロトタイプ特異的PET取り込み挙動, 学習されたPETプロトタイプクラスと選択された組織学的特徴の間接的患者レベルの一致について検討した。 PET検索性能はグローバルPET表現や従来のPETベースラインと比較して向上した。 PETホットスポット条件付き表現は、アブレーションラダー全体にわたって、グローバルな埋め込みよりも強い検索を一貫して提供し、情報的腫瘍サブリージョンに焦点を当てることで、腫瘍内不均一性に対する感受性が向上した。 病理組織学的には, 学習したクラスは単に高吸収PET領域ではなく, 18F FDG取り込みにおいて異質性を示した。

関連論文リスト

• 3D CT-to-PET Translation via Latent Brownian Bridge Diffusion [2.013258778704508]
  潜在ブラウン橋拡散(BBDM)に基づく3次元CT-PET変換フレームワークを提案する。 提案手法はPET信号の忠実度を向上し,臨床的に関連のある取り込みパターンを良好に保ち,低分子代謝活性の維持における性能の向上を示す。
  論文  参考訳（メタデータ） (2026-09-11T13:47:50Z)
• A Dual Path Framework with Hotspot Guided Fusion for Three Dimensional CT to PET Synthesis in Head and Neck Cancer [0.0]
  18F-FDG PET/CTは頭頸部癌に対するステージング、治療計画、反応評価において中心的な役割を果たす。 日常的なCTスキャンからPETライクな画像を直接合成するディープ・ラーニング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T20:33:50Z)
• ReMAP-PET: Beyond Visual Understanding -- Learning Region-Guided Metabolic Alignment Semantics from Brain PET [20.566933407659093]
  本稿では,PETを構造化,解釈,言語互換表現として扱うためのReMAP-PETを提案する。 その結果,PETエンコーダを局所的なメタボリックセマンティクスに固定することで,構造化,解釈,言語互換の表現が得られることがわかった。
  論文  参考訳（メタデータ） (2026-06-28T19:43:03Z)
• RADIANT-PET: Reasoning-Augmented PET/CT Lesion Segmentation with Large Language Models and Reinforcement Learning [0.0]
  本稿では,高感度なボクセルレベルセグメンテーションモデルと,病変レベル大言語モデル(LLM)を併用した推論強化フレームワークであるRADIANT-PETを提案する。 AutoPETとOSUテストコホート全体で、RADIANT-PETは強い画像のみのベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-06-23T18:05:55Z)
• Improving PET/CT-Based Whole-Body Lesion Segmentation Using Prediction Uncertainty-Augmented Models [4.533732724414947]
  PET/CT画像からの病変のデライン化は, 微妙な画像特徴, 共同ファウンダー, 読取者間変動などにより臨床的に困難である。 既存のディープラーニングアプローチは、トレーニング関連性、一貫性のない予測、高腫瘍バーデン症例の病変の欠如、不確実性の欠如に悩まされている。 全身PET/CT病変分類のための不確実性認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-08T19:49:23Z)
• Generation of Heterogeneous PET Images from Uniform Organ Activity Maps Using a Pretrained Domain-Adapted Diffusion Model [1.3918848543076061]
  合成PET画像は、定量的イメージングワークフローの開発、スケーラブルな仮想イメージングトライアル、ディープラーニングモデルトレーニングに有用である。 本研究では,一様臓器活動マップを用いた解剖条件PET合成のためのドメイン適応拡散モデルを開発した。
  論文  参考訳（メタデータ） (2026-05-18T21:05:28Z)
• The autoPET3 Challenge: Automated Lesion Segmentation in Whole-Body PET/CT $\unicode{x2013}$ Multitracer Multicenter Generalization [67.92281859568168]
  第3回オートPETチャレンジ(MICCAI 2024)の設計と成果を報告する。 全身PET/CTにおける自動病変分割を, 構成的一般化条件下でベンチマークした。 トップランクのアルゴリズムは平均DSCが0.66、FNVが3.18mL、FPVが2.78mLである。
  論文  参考訳（メタデータ） (2026-05-07T07:07:09Z)
• Unveiling and Bridging the Functional Perception Gap in MLLMs: Atomic Visual Alignment and Hierarchical Evaluation via PET-Bench [48.60251555171943]
  MLLM(Multimodal Large Language Models)は、異常検出や解剖学的モダリティのレポート生成などのタスクにおいて、顕著な熟練性を示した。 本研究では, 機能的トレーサの生体分布を, 形態的先行性とは無関係に復号化できない現状の視覚エンコーダについて, 基本的な機能的知覚ギャップを定量化する。 PET-Benchは52,308個の階層型QAペアからなるPET-Benchの最初の大規模機能評価ベンチマークである。 AVAは認知ギャップを効果的に橋渡しし、CoTを幻覚源から頑健な推論ツールに変換し、診断を改善していることを示す。
  論文  参考訳（メタデータ） (2026-01-06T05:58:50Z)
• Supervised Diffusion-Model-Based PET Image Reconstruction [44.89560992517543]
  PET画像再構成の前兆として拡散モデル (DM) が導入された。 PET再構成のための教師付きDMベースアルゴリズムを提案する。 本手法はPETのポアソン確率モデルの非負性性を強制し,PET画像の広い範囲に適応する。
  論文  参考訳（メタデータ） (2025-06-30T16:39:50Z)
• HiDe-PET: Continual Learning via Hierarchical Decomposition of Parameter-Efficient Tuning [55.88910947643436]
  予備学習モデル(PTM)とパラメータ効率チューニング(PET)を組み合わせた連続学習(CL)統合フレームワークを提案する。 タスク固有知識とタスク共有知識を取り入れることで目的を明示的に最適化する革新的な手法である階層分解PET(HiDe-PET)を提案する。 提案手法は,近年の強いベースラインの幅広いスペクトルに対して,極めて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-07T01:50:25Z)
• Multi-modal Evidential Fusion Network for Trustworthy PET/CT Tumor Segmentation [5.839660501978193]
  臨床環境では,PET画像とCT画像の画質は著しく変化し,ネットワークによって抽出されるモダリティ情報の不確実性が生じる。 我々は,CFL(Cross-Modal Feature Learning)とMTF(Multi-Modal Trustworthy Fusion)の2つの基本段階からなる,新しいMulti-Modal Evidential Fusion Network(MEFN)を提案する。 本モデルでは, 自動セグメンテーション結果の受け入れや拒絶の判断において, セグメンテーション結果の確実な不確実性を, 放射線技師に提供することができる。
  論文  参考訳（メタデータ） (2024-06-26T13:14:24Z)
• PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics [48.683457383784145]
  r: (i) 生理領域, (ii) ディープフェイクス領域, (iii) プレゼンテーション攻撃領域に基づく提示攻撃検出のための3つのアプローチ その結果、プレゼンテーションアタックドメインを生理的およびディープフェイクスドメインと比較すると、平均分類誤り率(ACER)が21.70%減少していることがわかった。 実験では、r-ベースモデルにおける伝達学習の効率を強調し、この生理的特徴のコピーを許さない機器での提示攻撃検出をうまく行う。
  論文  参考訳（メタデータ） (2023-10-03T15:24:15Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)

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。