論文の概要: PRISM-Net: Patient-specific reference-guided inter-breast symmetry matching for three-class breast DCE-MRI classification

• arxiv url: http://arxiv.org/abs/2607.26799v1
• Date: Wed, 29 Jul 2026 11:38:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.655135
• Title: PRISM-Net: Patient-specific reference-guided inter-breast symmetry matching for three-class breast DCE-MRI classification
• Title（参考訳）: PRISM-Net: 3-class breast DCE-MRI 分類のための患者特異的基準誘導乳房間対称性マッチング
• Abstract要約: PRISM-Netは、患者固有の背景認識表現学習の基準として、対側乳房の特徴を活用できる登録不要な双方向フレームワークである。 PRISM-Netは、両側の特徴マッチングと非対称性対応の注意を統合し、適応的層間対応を確立し、識別的非対称パターンの表現を強化する。
• 参考スコア（独自算出の注目度）: 4.086901280540239
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast DCE-MRI AI is increasingly being explored for breast-level classification of no-lesion, benign, and malignant findings, beyond conventional lesion-centered diagnosis. Within this broader diagnostic scope, however, patient-specific background variability remains a major source of imaging confounding across classification tasks. Existing approaches predominantly focus on unilateral or lesion-centric analysis, whereas bilateral methods offer limited explicit modeling of spatially adaptive cross-breast correspondence. We propose PRISM-Net, a registration-free bilateral framework that leverages contralateral breast features as patient-specific references for background-aware representation learning. PRISM-Net integrates bilateral feature matching and asymmetry-aware attention to establish adaptive inter-breast correspondence and enhance representations of discriminative asymmetric patterns. On ODELIA, Macro AUC, Micro AUC, and quadratic weighted kappa were $84.11 \pm 2.33$, $90.64 \pm 1.61$, and $60.94 \pm 5.64$ on the in-distribution test set, and $68.51 \pm 4.54$, $80.74 \pm 2.68$, and $43.45 \pm 7.10$ on the held-out institution, respectively, outperforming the evaluated baseline methods across the primary evaluation metrics. PRISM-Net further demonstrated performance on independent institutional and background-complexity evaluations. Ablation experiments revealed that both bilateral relation modeling and asymmetry-aware reweighting contributed to improved classification performance. These findings highlight patient-specific bilateral reference modeling as a clinically grounded strategy for DCE-MRI interpretation, improving asymmetric pattern discrimination through explicit modeling of background complexity.
• Abstract（参考訳）: 乳腺DCE-MRIは, 従来の病変中心の診断以上の, 乳房レベルの無症状, 良性, 悪性所見の分類のために, ますます研究されている。 しかし、このより広い診断範囲内では、患者固有の背景変動が、分類タスクにまたがる画像の主流となっている。 既存のアプローチは主に片側的あるいは病変中心の分析に焦点をあてるが、一方の手法は空間適応的対地対応の限定的なモデリングを提供する。 PRISM-Netは、患者固有の背景認識表現学習の基準として、対側乳房の特徴を活用できる登録不要な双方向フレームワークである。 PRISM-Netは、両側の特徴マッチングと非対称性対応の注意を統合し、適応的層間対応を確立し、識別的非対称パターンの表現を強化する。 ODELIA、Macro AUC、Micro AUC、および2次重み付きカッパは、流通試験セットで84.11 \pm 2.33$、90.64 \pm 1.61$および60.94 \pm 5.64$、保有機関で6,8.51 \pm 4.54$、80.74 \pm 2.68$、43.45 \pm 7.10$でそれぞれ評価されたベースライン手法を上回った。 PRISM-Netは、独立系および背景複雑度評価においてさらに性能を示した。 アブレーション実験により、両側関係モデリングと非対称認識再重み付けの両方が、分類性能の向上に寄与したことが明らかとなった。 以上の結果から,DCE-MRIの解釈における臨床基盤として患者特異的な2値参照モデルが注目され,背景複雑性の明示的モデリングによる非対称パターンの識別が向上した。

関連論文リスト

• AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages [0.8886706641070187]
  急性虚血性脳卒中(AIS)病変は脳卒中予後と治療計画に必須である。 非造影CT(non-contrast CT, NCCT)は, 微妙な梗塞造影を呈し, 手指の脱線が遅く, 労働集約的である。 2段階のnnU-Net互換3Dセグメンテーション法を提案する。
  論文  参考訳（メタデータ） (2026-08-20T08:12:31Z)
• Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
  認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。 本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
  論文  参考訳（メタデータ） (2026-07-24T04:26:47Z)
• Trust the Prior (or Not): Uncertainty-Aware Abdominal Aortic Aneurysm Segmentation [6.7365887585568585]
  本稿では,識別学習と事前情報を統合した患者固有のフレームワークを提案する。 提案手法では,(1)局所解剖のガウス混合モデルに基づく患者固有の強度正規化,(2)空間的先行を組み込んだ不確実性Gated Anatomical Attentionモジュールを提案する。
  論文  参考訳（メタデータ） (2026-06-30T21:30:49Z)
• Anatomically Consistent TMJ Disc Segmentation via Semantic Anchoring and Clinical Priors [8.95105948381147]
  臨床メタデータ誘導境界修正とセマンティックアンカリングを統合したTMJディスクセグメンテーションフレームワークTISCを提案する。 1,300人の患者の2,488 PD MRIボリュームの大規模コホートでは,強いベースラインよりも4.96 Diceの改善が達成された。
  論文  参考訳（メタデータ） (2026-06-19T07:39:36Z)
• D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
  欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。 提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
  論文  参考訳（メタデータ） (2026-05-21T09:55:42Z)
• ARIADNE: A Perception-Reasoning Synergy Framework for Trustworthy Coronary Angiography Analysis [11.092207850601488]
  ARIADNEは2段階のフレームワークを結合し,RLに基づく狭窄検出のための診断的推論を行う。 1,400の臨床血管造影では、ARIADNEは最先端のセンターラインDice 0.838を達成し、幾何学的ベースラインと比較して偽陽性を41%減少させる。
  論文  参考訳（メタデータ） (2026-03-19T17:25:19Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• MedAD-R1: Eliciting Consistent Reasoning in Interpretible Medical Anomaly Detection via Consistency-Reinforced Policy Optimization [46.65200216642429]
  我々はMedADの最初の大規模マルチモーダル・マルチセンタベンチマークであるMedAD-38Kを紹介し、構造化された視覚質問応答(VQA)ペアとともに、CoT(Chain-of-Thought)アノテーションを特徴付ける。 提案するモデルであるMedAD-R1は、MedAD-38Kベンチマーク上での最先端(SOTA)性能を実現し、強いベースラインを10%以上上回った。
  論文  参考訳（メタデータ） (2026-02-01T07:56:10Z)
• ClinNet: Evidential Ordinal Regression with Bilateral Asymmetry and Prototype Memory for Knee Osteoarthritis Grading [3.337151338735509]
  X線画像に基づく膝関節症(KOA)の診断は極めて難しい課題である。 本研究では, KOA グレーディングに対処する信頼性の高い新しいフレームワーク ClinNet を提案する。
  論文  参考訳（メタデータ） (2026-01-24T05:49:41Z)
• Clinical Interpretability of Deep Learning Segmentation Through Shapley-Derived Agreement and Uncertainty Metrics [0.05473229173811305]
  深層学習モデルは医用画像セグメンテーションにおいて顕著な性能を達成した。 説明可能性の必要性は、臨床実践における受容と統合の確保に依然として不可欠である。 提案手法では,特徴の重要度を評価するために,コントラストレベルのShapley値を用いることを検討した。
  論文  参考訳（メタデータ） (2025-12-08T07:06:58Z)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)
• Bilateral Asymmetry Guided Counterfactual Generating Network for Mammogram Classification [48.4619620405991]
  画像レベルのラベルのみによるマンモグラムの良性や悪性の分類は,病変アノテーションが欠如しているため困難である。 画像に病変がなければ, 特徴がどのように振る舞うかという, 反現実的な問題を探ることができる。 我々は、対称的先行性に基づく反事実生成のための新しい理論的結果を得る。
  論文  参考訳（メタデータ） (2020-09-30T03:15:30Z)

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。