論文の概要: Shape-Based Inductive Bias for Glioma Grading from Tumor Contours

• arxiv url: http://arxiv.org/abs/2607.26090v1
• Date: Mon, 27 Jul 2026 19:11:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.423529
• Title: Shape-Based Inductive Bias for Glioma Grading from Tumor Contours
• Title（参考訳）: 腫瘍輪郭からのグリオーマグレーディングのための形状誘導バイアス
• Authors: Puneet Velidi, Michelle F. Miranda, Farouk Nathoo, Ashery Mbilinyi, Cédric Beaulac,
• Abstract要約: コンパクトな多層パーセプトロンは71.5%で最高平均平衡精度を達成する。 制御されたノイズフリーシミュレーションでは、形状ベースのモデルは56.3--71.5%、画素モデルは50.0--52.5%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Glioma grading from tumor contours is often treated as a pixel problem even when the signal of interest is shape. We align closed contours with a functional shape-alignment framework, separate global deformation from residual Fourier shape, and organize these quantities as frequency-ordered tokens. In five-fold patient-disjoint cross-validation on BraTS~2020 tumor contours, with model selection performed using grouped inner validation, a compact multilayer perceptron (MLP) achieves the highest mean balanced accuracy at 71.5\%, compared with 65.9\% for ResNet-18 and 63.3\% for ViT-Tiny. It also gives the highest mean low-grade glioma F1 at 54.9\%. Its pooled out-of-fold balanced accuracy is 72.4\% (patient-bootstrap 95\% CI: 66.4--77.8\%). The selected MLPs use 2.9k--117.3k parameters across folds, at least 46 times fewer than the pixel baselines. In a controlled noise-free simulation, shape-based models reach 56.3--71.5\% balanced accuracy while the pixel models remain at 50.0--52.5\%. This work demonstrates how incorporating a shape-based inductive bias at the representation level can improve interpretability and scalability while enabling substantial dimensionality reduction.
• Abstract（参考訳）: 腫瘍輪郭からグレードするグリオーマは、興味の信号が形状であってもピクセル問題として扱われることが多い。 閉輪郭を機能的な形状アライメントの枠組みで整列し、残フーリエ形状から大域的変形を分離し、これらの量を周波数順序付きトークンとして整理する。 BraTS〜2020腫瘍輪郭上の5倍の患者結合型クロスバリデーションにおいて、モデル選択はグループ内検証を用いて行われ、コンパクト多層パーセプトロン(MLP)はResNet-18では65.9\%、ViT-Tinyでは63.3\%と最も高い平均平衡精度を達成している。 また、最も低いグレードのグリオーマF1は54.9\%である。 折りたたみ精度は72.4\%(患者ブートストラップ95\% CI: 66.4--77.8\%)である。選択されたMLPは2.9k--117.3kパラメータを使用し、画素ベースラインの46分の1以上である。 制御されたノイズフリーシミュレーションでは、形状ベースのモデルは56.3～71.5\%、画素モデルは50.0～52.5\%に達する。 本研究は, 形状に基づく帰納バイアスを表現レベルに組み込むことで, 解釈性や拡張性を向上し, 次元の大幅な低減を実現する方法を示す。

関連論文リスト

• Efficient Transformer-Based Localized Patch Sampling for Choroid Plexus Segmentation in Multiple Sclerosis [26.831715552066694]
  両側心室脈絡膜叢 (LVCP) は, 身体障害と神経炎症に関連する多発性硬化症 (MS) の指標として認識されている。 本研究の目的は,スタンドアロンおよびマルチモーダルMRI入力からMS内のLVCPを自動的に分割するSwinUNETR駆動パイプラインを開発することである。
  論文  参考訳（メタデータ） (2026-06-02T12:32:43Z)
• The Language of Elution: Autoregressive Prediction of the Next Feature in Untargeted LC-HRMS Lipidomics [0.0]
  SCIEX TripleTOF 6600+, Waters CSH C18)による4種類の臨床リポソームコホートからの15,242種の特徴の訓練 LSTMは98.4%の精度(99.99%のトップ5、平均絶対誤差3.6Da)、トランスフォーマー98.0%に達する。 これらの結果から, 溶出シーケンスは予測可能であり, メタボロミクスのアノテーションカバレッジを向上させるため, 予測MS/MS獲得の基盤となることが確認された。
  論文  参考訳（メタデータ） (2026-06-02T10:42:17Z)
• Medical thinking with multiple images [44.04557445622649]
  我々はMedThinkVQAを紹介した。MedThinkVQAは、複数の画像で考えるためのエキスパートアノテーション付きベンチマークである。 データセットは720のテストケースを含む8,067ケースを含み、1ケースあたり平均6.62イメージである。 テストセットでは、最高のクローズドソースモデルであるClaude-4.6-Opus、Gemini-3-Pro、GPT-5.2-xhighは57.2%、55.3%、54.9%の精度しか達成できなかった。
  論文  参考訳（メタデータ） (2026-04-14T18:51:07Z)
• Hierarchy-Guided Topology Latent Flow for Molecular Graph Generation [44.50339042016925]
  本稿では,グローバルコンテキストに対する潜在的マルチスケールプランを用いた3次元座標を用いた結合グラフを生成するプランナー・エグゼクタモデルを提案する。 HLTFは98.8%の原子安定性と92.9%の有効・均一性を達成し、PoseBustersの妥当性は94.0%(+0.9)に向上した。 GEOM-DRUGSでは、HLTFは後処理なしで85.5%/85.0%の妥当性/バリッド・ユニク・ノーベル、標準化された緩和後の92.2%/91.2%を達成している。
  論文  参考訳（メタデータ） (2026-03-28T03:48:13Z)
• LAW & ORDER: Adaptive Spatial Weighting for Medical Diffusion and Segmentation [3.6879658915311997]
  Learnable Adaptive Weighter (LAW) は拡散訓練のための特徴とマスクから画素当たりの損失変調を予測する。 ORDERは、効率的なセグメンテーションのために、遅延デコーダ段階で選択的双方向スキップ注意を適用する。 ポリープおよび腎腫瘍データセットの実験により、LAWは20%のFID産生改善を達成することが示された。
  論文  参考訳（メタデータ） (2026-03-05T04:20:32Z)
• Margin-Consistent Deep Subtyping of Invasive Lung Adenocarcinoma via Perturbation Fidelity in Whole-Slide Image Analysis [15.00702842825464]
  浸潤性肺腺癌亜型に対する全スライディング画像分類は, 実際の画像摂動に対して脆弱である。 本研究では,143枚の全スライディング画像から203,226枚のパッチに対して評価したマージン整合性フレームワークを提案する。 提案手法は,Kendall相関によるトレーニング中の0.88,バリデーション時の0.64の頑健な特徴-論理空間アライメントを実現する。
  論文  参考訳（メタデータ） (2026-02-27T20:47:15Z)
• Performance of a Deep Learning-Based Segmentation Model for Pancreatic Tumors on Public Endoscopic Ultrasound Datasets [2.925528117330222]
  膵癌は最も攻撃的ながんの1つであり、生存率も低い。 本研究では, 膵腫瘍に対するVision Transformerを用いたディープラーニングセグメンテーションモデルについて検討した。
  論文  参考訳（メタデータ） (2026-01-09T16:48:50Z)
• Characterizing Model Robustness via Natural Input Gradients [37.97521090347974]
  自然例のみのモデル入力に対して勾配を正則化するという驚くべき効果を示す。 ImageNet-1kでは、グラディエントノルムトレーニングは最先端のPGD-3(52%対56%)の性能を90%以上達成し、複雑な敵の最適化なしに最先端の60%のコストしか使用していない。
  論文  参考訳（メタデータ） (2024-09-30T09:41:34Z)
• A Lightweight and Accurate Face Detection Algorithm Based on Retinaface [0.5076419064097734]
  Retinaface に基づく軽量かつ高精度な顔検出アルゴリズム LAFD (Light and accurate face detection) を提案する。 アルゴリズムのバックボーンネットワークは、畳み込みカーネルのサイズを調整する修正されたMobileNetV3ネットワークである。 入力画像が前処理され、長さが1560px、幅が1200pxとなると、平均精度は86.2%となる。
  論文  参考訳（メタデータ） (2023-08-08T15:36:57Z)
• Tactile Grasp Refinement using Deep Reinforcement Learning and Analytic Grasp Stability Metrics [70.65363356763598]
  解析的把握安定性指標が強化学習アルゴリズムの強力な最適化目標であることを示す。 幾何的および力量に依存しないグリップ安定性の指標を組み合わせることで、カブイドの平均成功率は95.4%となることを示す。 第2の実験では,触覚情報を持たないベースラインよりも,接触フィードバックで訓練したグリップリファインメントアルゴリズムが最大6.6%向上することを示した。
  論文  参考訳（メタデータ） (2021-09-23T09:20:19Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)

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。