論文の概要: PhenSPINE: A Standardized Benchmark for Spine Pathology Diagnosis

• arxiv url: http://arxiv.org/abs/2607.19696v1
• Date: Wed, 22 Jul 2026 02:55:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:37.955486
• Title: PhenSPINE: A Standardized Benchmark for Spine Pathology Diagnosis
• Title（参考訳）: PhenSPINE: 松葉病診断のための標準化されたベンチマーク
• Authors: Duong Ngoc Vu, Hai Son Nguyen, Trong-Nghia Nguyen, Bien Tran Van, Trang Mai Xuan, Huan Vu, Thien Van Luong,
• Abstract要約: 本研究では,250人の患者から得られた16,813枚の画像の磁気共鳴画像データセットを,高度なディープラーニング研究を促進するためにキュレートした。 本研究では,最先端の畳み込みバックボーンと位置PINE機構を統合し,椎間板の解剖学的文脈を明示的にモデル化する堅牢な診断ベンチマークを提案する。 マルチシーケンス融合戦略は, この単一シーケンスベースラインに比べ, 周囲の解剖学的領域からのノイズ干渉により, データセットのシーケンス間の画像が著しく損なわれているため, 性能が劣ることがわかった。
• 参考スコア（独自算出の注目度）: 4.172199727841524
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The accurate diagnosis of spinal pathologies depends heavily on radiological interpretation, yet automated systems are hindered by the lack of diverse, high-quality benchmarks. In this study, we present PhenSPINE, a Magnetic Resonance Imaging dataset comprising 16,813 images from 250 patients, curated to facilitate advanced deep learning research. We propose a robust diagnostic benchmark that integrates state-of-theart convolutional backbones with a Positional Encoding mechanism to explicitly model the anatomical context of intervertebral discs. Evaluating across four standard MRI sequences, our experiments demonstrate that the Sagittal T2-weighted sequence offers the most robust diagnostic value, achieving a superior Macro F1-score of 50.31%. We find that multisequence fusion strategies yield inferior performance compared to this single-sequence baseline, as the images across sequences in our dataset are significantly compromised by noise interference from surrounding anatomical regions. This work establishes a robust baseline and offers critical insights into sequence selection for spine analysis.
• Abstract（参考訳）: 脊椎病理の正確な診断は、放射線学的解釈に大きく依存するが、自動化システムは多種多様な高品質なベンチマークの欠如によって妨げられている。 本稿では,250人の患者16,813枚の画像からなる磁気共鳴画像データセットであるPhenSPINEについて述べる。 本研究では,最先端の畳み込みバックボーンと位置エンコーディング機構を統合し,椎間板の解剖学的文脈を明示的にモデル化する堅牢な診断ベンチマークを提案する。 4つの標準MRIシークエンスで評価した結果,Sagittal T2重み付きシークエンスが最も堅牢な診断値を示し,Macro F1スコアの50.31%を達成できた。 マルチシーケンス融合戦略は, 周囲の解剖学的領域からのノイズ干渉により, データセット内の画像が著しく損なわれているため, この単一シーケンスベースラインよりも性能が劣ることがわかった。 この研究は、ロバストなベースラインを確立し、スピン解析のためのシーケンス選択に関する重要な洞察を提供する。

関連論文リスト

• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• Benchmarking and Explaining Deep Learning Cortical Lesion MRI Segmentation in Multiple Sclerosis [28.192924379673862]
  多発性硬化症(MS)における生体マーカーとしての皮質病変(CL)の出現 本稿では,MRIにおけるCL検出とセグメンテーションの総合ベンチマークを提案する。 医療画像のセグメンテーションのために設計された自己構成のnnU-Netフレームワークを利用し、CL検出の改善に適した適応を提案する。
  論文  参考訳（メタデータ） (2025-07-16T09:56:11Z)
• Semi-supervised learning and integration of multi-sequence MR-images for carotid vessel wall and plaque segmentation [0.6597195879147557]
  頸動脈血管壁とプラークのセグメンテーションのためのマルチシーケンスMRIデータを統合するための半教師付き深層学習手法を提案する。 動脈硬化症52例に対し, それぞれ5つのMRIシークエンスを施行した。
  論文  参考訳（メタデータ） (2025-07-10T07:31:31Z)
• Integrating Radiomics with Deep Learning Enhances Multiple Sclerosis Lesion Delineation [0.02335197906428421]
  放射線学的特徴(集中率とR'enyiエントロピー)により,MS病変のタイプを同定し,生画像データと融合させることが提案された。 この研究は、ResNeXt-UNetアーキテクチャと注目増強されたU-Netアーキテクチャによる画像データと放射能の特徴を統合した。
  論文  参考訳（メタデータ） (2025-06-17T13:50:42Z)
• Pathology-Guided AI System for Accurate Segmentation and Diagnosis of Cervical Spondylosis [7.81163465956116]
  MRIを用いた頚椎症診断のためのAI支援エキスパートベース診断システムを開発した。 本システムでは, 頸部解剖学的重要な構造を正確にセグメント化できる病的ガイド付きセグメンテーションモデルを特徴とする。 本手法は, ヘルニア局所化, K線状態評価, T2ハイパーインテンシティ検出, Kang gradingにおいて高い精度, 精度, リコール, F1 スコアが得られた。
  論文  参考訳（メタデータ） (2025-03-08T07:55:33Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• 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)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)

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。