論文の概要: Can Unsupervised Methods Outperform Supervised Deep Learning When Ground Truth Is Sparse? A Case Study of Bronchovascular Bundle Segmentation in Low-Dose CT

• arxiv url: http://arxiv.org/abs/2608.16855v1
• Date: Mon, 17 Aug 2026 17:38:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.823617
• Title: Can Unsupervised Methods Outperform Supervised Deep Learning When Ground Truth Is Sparse? A Case Study of Bronchovascular Bundle Segmentation in Low-Dose CT
• Title（参考訳）: 低用量CTにおける非教師的手法による深層学習の促進効果 : 気管支血管束分節の1例
• Abstract要約: 肺がんは診断が遅すぎるため、世界中で最も致命的ながんである。 早期肺癌では、隣接する血管と気道壁によって結節の可視性が低下する。 気管支血管束のタスク特異的解析は効率的な結節検出に重要である。
• 参考スコア（独自算出の注目度）: 30.05221274603036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background Lung cancer remains the deadliest cancer worldwide because it is often diagnosed too late. Effective treatment depends on detection at an early screening stage. However, the growing number of patients and the limited number of radiologists lead to prolonged diagnostic waiting times. In very early stage lung cancer, nodule visibility is further reduced by adjacent blood vessels and airway walls, because nodules are often connected to or supplied by these structures. Task-specific analysis of the bronchovascular bundle is therefore important for efficient nodule detection, and its removal can increase the diagnostic potential of lung cancer screening. Materials and Methods To assess the efficacy of the proposed method, we used series from widely utilized LDCT datasets, including the Duke Lung Cancer Screening (DLCS) dataset and the Pilot Pomeranian Lung Cancer Screening Program. The proposed bronchovascular bundle segmentation pipeline, RONALD, operates on computed tomography images and returns binary masks of vessels and bronchi located in the lung parenchyma. The method includes a preprocessing stage with lung, lobe, and mediastinum segmentation, followed by separate vessel and bronchial tree segmentation. Results The proposed pipeline segmented the bronchovascular bundle in low-dose computed tomography scans while improving nodule retention compared with other segmentation methods: from 93.98% and 90.36% to 100% in DLCS, and from 83.16% and 62.36% to 99.92% in the Pomeranian dataset. Conclusion The resulting segmentations can improve lung nodule detection in the very early stages of lung cancer.
• Abstract（参考訳）: 背景肺がんは診断が遅すぎるため、世界中で最も致命的ながんである。 有効治療は早期スクリーニング段階における検出に依存する。 しかし、患者の増加と放射線科医の数の制限により、診断待ち時間が長くなる。 極めて早期の肺癌では、結節の視認性は、隣接する血管や気道の壁によってさらに低下する。 気管支血管束のタスク特異的解析は効率的な結節検出に重要であり,その除去は肺癌検診の診断可能性を高める可能性がある。 本手法の有効性を評価するために,Duke Lung Cancer Screening(DLCS)データセットやPilot Pomeranian Lung Cancer Screening Programなど,広く利用されているLDCTデータセットのシリーズを使用した。 提案した気管支血管束分画パイプライン(RONALD)はCT画像に基づいて肺小葉にある血管と気管支の2次元マスクを返却する。 本発明の方法は、肺、葉、縦隔の分節を有する前処理段階と、別個の血管および気管支木分節を含む。 結果】低用量CTで気管支血管束を分画し,他の分画法に比べて結節保持率を93.98%,90.36%,DLCSで100%,ポメラニアデータセットで83.16%,62.36%,99.92%と改善した。 結語 結節は肺がんのごく初期段階において肺結節の検出を改善することができる。

関連論文リスト

• LungCRCT: Causal Representation based Lung CT Processing for Lung Cancer Treatment [3.765413696274397]
  LungCRCTは因果表現学習に基づく肺がん解析フレームワークである。 肺がん進行の物理的因果機構における因子の因果表現を検索する。
  論文  参考訳（メタデータ） (2026-01-26T04:03:50Z)
• X-ray Insights Unleashed: Pioneering the Enhancement of Multi-Label Long-Tail Data [86.52299247918637]
  胸部X線撮影における長期肺腫瘍の診断は困難であった。 尾部病変の表現力を高める拡散法は近年進歩しているが, 稀な病変例では, それらの発生能が低下している。 そこで本研究では,従来のX線を併用して尾部病変を増大させる新しいデータ合成パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-12-24T06:14:55Z)
• LungEvaty: A Scalable, Open-Source Transformer-based Deep Learning Model for Lung Cancer Risk Prediction in LDCT Screening [37.29507297342265]
  LungEvatyは、1つのLDCTスキャンから1-6年の肺がんリスクを予測するトランスフォーマーベースのフレームワークである。 大規模なスクリーニングデータから直接学習し、悪性リスクに関連する包括的な解剖学的および病理学的手がかりをキャプチャする。 LungEvatyは9万回以上のCTスキャンを行い、28,000回以上の微調整、6000回以上の評価を行った。
  論文  参考訳（メタデータ） (2025-11-25T09:38:10Z)
• Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
  肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。 超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。 RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
  論文  参考訳（メタデータ） (2025-01-02T09:24:34Z)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention [47.44114201293201]
  肺がんは世界中でがんの死因となっている。 現在の肺結節検出法は通常ドメイン固有である。 肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
  論文  参考訳（メタデータ） (2023-03-07T03:17:49Z)
• Lung nodules segmentation from CT with DeepHealth toolkit [6.980270783615686]
  本研究の目的は,PyECVLおよびPyEDDLライブラリを含むDeephealthツールキットが肺結節を正確に分節できることを実証することであった。 以上の結果から, 肺結節の広範囲にわたる精密な分節化と, 従来の検出法よりも精度がよいことが示唆された。
  論文  参考訳（メタデータ） (2022-08-01T06:54:12Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Enhancing Cancer Prediction in Challenging Screen-Detected Incident Lung Nodules Using Time-Series Deep Learning [2.744770849264355]
  低用量CTによる肺がん検診(LCS)は肺がん死亡率を著しく低下させることが証明された。 肺結節の悪性度リスクの階層化を改善するには, マシン/ディープ学習アルゴリズムが有用である。 本稿では,時系列深層学習モデル(DeepCAD-NLM-L)の性能について述べる。
  論文  参考訳（メタデータ） (2022-03-30T18:40:36Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Development of a Multi-Task Learning V-Net for Pulmonary Lobar Segmentation on Computed Tomography and Application to Diseased Lungs [0.19573380763700707]
  疾患のある肺領域は、しばしばCT画像に高密度ゾーンを生成し、損傷した葉を特定するアルゴリズムの実行を制限する。 この影響は、肺葉を分節する機械学習手法の改善を動機づけた。 このアプローチは、放射線科医のロバストなツールとして臨床現場で容易に採用することができる。
  論文  参考訳（メタデータ） (2021-05-11T17:10:25Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)

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。