論文の概要: Panda: Unsupervised Pelvic Anomaly Detection for Real-Time MR Imaging

• arxiv url: http://arxiv.org/abs/2607.24703v1
• Date: Mon, 27 Jul 2026 17:44:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.525149
• Title: Panda: Unsupervised Pelvic Anomaly Detection for Real-Time MR Imaging
• Title（参考訳）: Panda:リアルタイムMRIのための教師なし骨盤異常検出
• Abstract要約: 骨盤MRIに適応したDinomaly-based unsupervised anomaly detection frameworkを提案する。 異常はエンコーダとデコーダの間のコサイン距離によって局所化される。 このフレームワークは88.06%のピクセルレベルのAUROCと95.45%のフレームレベルでの高特異性を実現し、リアルタイムな臨床展開要件を満たす。
• 参考スコア（独自算出の注目度）: 0.033504916505452904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Female pelvic diseases remain an under researched area characterized by often delayed diagnosis. While pelvic MRI offers superior soft-tissue contrast for diagnosis and image-guided procedures, real-time anomaly detection remains challenging due to physiological motion, tissue deformation, and instrument artifacts. Existing supervised approaches are impractical, as adverse events are rare, heterogeneous, and difficult to annotate. We present a Dinomaly-based unsupervised anomaly detection framework adapted for pelvic MRI that learns normative representations from healthy cases and flags deviations without requiring labels. Our approach leverages a frozen DINOv3 Vision Transformer encoder combined with a noisy MLP bottleneck and Linear Attention decoder to prevent identity mapping while maintaining computational efficiency. Anomalies are localized via per-token cosine distance between encoder and decoder representations, yielding spatial anomaly maps that provide immediate feedback at the scanner to support radiologist decision-making and adaptive protocol adjustment. Evaluated on a curated subset of the Uterine Myoma Dataset, the framework achieves a pixel-level AUROC of 88.06% and high specificity (95.45%) at frame level at 40.5 slices/s, meeting real-time clinical deployment requirements. The spatial anomaly maps and frame-level scores provide immediate, localized feedback at the scanner to support radiologist decision-making and adaptive protocol adjustment during active procedures.
• Abstract（参考訳）: 女性骨盤疾患は、しばしば遅発性診断を特徴とする研究が進んでいない領域である。 骨盤MRIは診断と画像誘導術において優れたソフト・タビジョンのコントラストを提供するが、生理的動き、組織変形、楽器のアーティファクトにより、リアルタイム異常検出は依然として困難である。 既存の教師付きアプローチは、有害事象は稀であり、異質であり、注釈を付けるのが難しいため、実用的ではない。 骨盤MRIに適応し, ラベルを必要とせず, 正常な症例やフラグの偏差から規範的表現を学習するディノマリーに基づく教師なし異常検出フレームワークを提案する。 提案手法では,DINOv3 Vision Transformerエンコーダとノイズの多いMLPボトルネックと線形アテンションデコーダを組み合わせることで,計算効率を保ちながらアイデンティティマッピングを防止する。 異常はエンコーダとデコーダの表現間のコサイン距離によって局所化され、空間異常マップが取得され、スキャナーで即時フィードバックされ、放射線学の意思決定と適応プロトコルの調整をサポートする。 Uterine Myoma Datasetのキュレートされたサブセットに基づいて評価されたこのフレームワークは、88.06%のピクセルレベルのAUROCと、フレームレベルでの高特異性(95.45%)を40.5スライス/秒で達成し、リアルタイムな臨床展開要件を満たす。 空間異常マップとフレームレベルスコアはスキャナーに即時かつ局所的なフィードバックを与え、能動的プロシージャ中の放射線学的決定と適応的プロトコル調整を支援する。

関連論文リスト

• How Good are Foundation Models in Longitudinal MRI Disease Progression Reasoning? [49.14050864978079]
  我々は,マルチビュー解剖学的入力を統一する評価フレームワークであるTime-Aware Multi-View MRI Benchmarkを紹介した。 このベンチマークは、3200の縦断MRIのタイムポイントにまたがる890人の患者から得られた、専門家が検証した質問応答ペア3,920名からなる。
  論文  参考訳（メタデータ） (2026-08-13T14:35:20Z)
• Anatomy-Aware Unsupervised Detection and Localization of Retinal Abnormalities in Optical Coherence Tomography [4.828654519487229]
  教師なしの異常検出フレームワークは、病変のアノテーションなしで正常な網膜解剖の規範的な分布を学習する。 網膜層を意識した3重項学習と構造的三重項学習を併用し,病的表現と健康的表現を分離する。 Kermany データセット (AUROC: 0.799) では,VAE, VQVAE, VQGAN, f-AnoGAN ベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-24T01:09:05Z)
• Unsupervised Anomaly Detection of Diseases in the Female Pelvis for Real-Time MR Imaging [1.1486742537761567]
  既存のAIアプローチは、主に病原性があり、リアルタイムの互換性がない。 骨盤MRIにおける疾患およびパラメータに依存しないリアルタイム非教師付き異常検出のためのベンチマークフレームワークを構築した。
  論文  参考訳（メタデータ） (2026-02-05T20:33:27Z)
• A Modified VGG19-Based Framework for Accurate and Interpretable Real-Time Bone Fracture Detection [0.0]
  本稿では,VGG-19モデルを用いた骨骨折の自動検出フレームワークを提案する。 コントラスト限定適応ヒストグラム等化(CLAHE)、大津のしきい値設定、カニーエッジ検出など、高度な前処理技術が組み込まれている。 医療専門家はX線画像をアップロードし、0.5秒以内に診断フィードバックを受け取ることができる。
  論文  参考訳（メタデータ） (2025-07-31T19:22:58Z)
• Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
  本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-21T15:41:34Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Diffusion Models with Implicit Guidance for Medical Anomaly Detection [13.161402789616004]
  組織再生のための時間的調和 (THOR) は, 病態の影響を受けない領域における健全な組織の整合性を維持することを目的としている。 相対的な評価では、THORは、脳MRIと手首X線における異常の検出とセグメンテーションにおいて、既存の拡散に基づく手法を超越している。
  論文  参考訳（メタデータ） (2024-03-13T12:26:55Z)
• Towards Universal Unsupervised Anomaly Detection in Medical Imaging [13.161402789616004]
  現実的な擬似健康再構築を実現するために,新しい教師なし異常検出手法であるtextitReversed Auto-Encoders (RA) を提案する。 提案手法は, 脳のMRI, 小児手首X線, 胸部X線など, 様々な画像モダリティにまたがって評価される。 医用画像の診断精度は, より広い範囲の未知の病態を同定することによって向上する可能性がある。
  論文  参考訳（メタデータ） (2024-01-19T11:35:07Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)

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。