論文の概要: Is Deformable Image Registration Ready for Brain Metastasis Reirradiation Dose Accumulation? A Longitudinal MRI Benchmark of Registration Accuracy

• arxiv url: http://arxiv.org/abs/2608.28705v1
• Date: Thu, 27 Aug 2026 18:02:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.721907
• Title: Is Deformable Image Registration Ready for Brain Metastasis Reirradiation Dose Accumulation? A Longitudinal MRI Benchmark of Registration Accuracy
• Title（参考訳）: 変形性画像登録は脳転移再照射量蓄積に有効か? : 画像登録精度の経時的ベンチマーク
• Authors: Hengjie Liu, Manju Sharma, Xinyi Fu, Di Xu, Ke Sheng,
• Abstract要約: 線量蓄積は適応放射線療法や放射線照射においてますます重要である。 しかし、その臨床的妥当性は、変形性画像登録(DIR)の性能に依存する。 我々は、幅広い学習ベースおよび最適化ベースのDIR手法をベンチマークした。
• 参考スコア（独自算出の注目度）: 9.65466663381376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dose accumulation is increasingly important in adaptive radiation therapy and reirradiation, but its clinical validity depends on the performance of deformable image registration (DIR). Reirradiation of brain metastases (BMs) with stereotactic radiosurgery (SRS) provides a controlled but clinically meaningful DIR test case: intra-subject brain deformation is usually limited after rigid alignment, yet recurrent lesions can undergo substantial local shape and volume changes that rigid registration cannot capture and can affect dose accumulation. We benchmarked a wide range of learning-based and optimization-based DIR methods on 87 manually screened longitudinal contrast-enhanced T1-weighted MRI lesion pairs from an institutional BM SRS retreatment cohort. Learning-based methods pretrained on healthy-brain MRI were evaluated zero-shot and after instance-specific optimization (ISO) or tumor-proximity target-specific optimization (TSO). Registration was assessed using lesion overlap (Dice), surface distance metrics (HD95 and sASD), target-volume recovery, and runtime and memory. Pretrained learning-based methods showed variable zero-shot performance, while ISO/TSO improved all tested learning-based families. However, optimization-based methods remained the best-performing approach while maintaining reasonable runtime. These findings suggest that even state-of-the-art DIR methods do not yet provide sufficiently accurate and consistent registration for unmonitored use in brain metastasis reirradiation dose accumulation. Because accurate registration is a prerequisite for deformable dose accumulation, clinical application will require case-level quality control and direct assessment of how registration uncertainty affects downstream dose metrics.
• Abstract（参考訳）: ドーズ蓄積は適応放射線療法や再照射においてますます重要であるが、その臨床的妥当性は変形性画像登録(DIR)の性能に依存する。 立体的放射線治療(SRS)による脳転移(BM)の再照射は、制御されているが臨床的に有意義なDIRテストケースを提供する。 施設型 BM SRS 退避コホートから, 縦コントラスト強調T1強調MRI病変対を手動スクリーニングした87例を対象に, 学習ベースおよび最適化ベースDIR法を広範囲に比較検討した。 健常脳MRIで事前訓練した学習法をゼロショット, インスタンス特異的最適化(ISO)後, 腫瘍近位ターゲット特異的最適化(TSO)後に評価した。 病変重なり(Dice)、表面距離測定(HD95とsASD)、目標体積回復、実行時とメモリを用いてレジストレーションを評価した。 事前訓練した学習ベース手法では、ゼロショット性能が可変であり、ISO/TSOは、テストされたすべての学習ベースファミリーを改善した。 しかし、最適化ベースの手法は、適切なランタイムを維持しながら、最高のパフォーマンスのアプローチのままであった。 これらの結果は、最先端のDIR法でさえ、脳転移再照射線量蓄積における未モニタリング使用に対する十分な正確かつ一貫した登録を提供していないことを示唆している。 正確な登録は、変形可能な線量蓄積の前提条件であるため、臨床応用には、ケースレベルの品質管理と、下流の線量測定にどのように影響するかの直接的な評価が必要である。

関連論文リスト

• Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
  既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。 テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
  論文  参考訳（メタデータ） (2026-06-17T08:10:30Z)
• Accelerating Stroke MRI with Diffusion Probabilistic Models through Large-Scale Pre-training and Target-Specific Fine-Tuning [1.8975305240365417]
  Diffusion Probabilistic Generative Models (DPMs) は、完全サンプルデータのみが利用可能な場合に臨床脳卒中MRIのスキャン時間を短縮する。 非FLAIRのコントラストを有する約4000名の被験者にプレトレーニングを行い、FLAIRデータに微調整を行った。 学習率の低下による適度な微調整では性能が向上する一方,過度の微調整では再建品質が低下することが実験で明らかになった。
  論文  参考訳（メタデータ） (2026-03-13T14:13:53Z)
• ReactEMG Stroke: Healthy-to-Stroke Few-shot Adaptation for sEMG-Based Intent Detection [5.38542280988393]
  表面筋電図(sEMG)は脳卒中後手指リハビリテーションのための有望な制御信号である。 発作性筋肉からの意図を検出するには、長大で主観的な校正が必要であり、変化に弱いままである。 本研究では,大規模能動sEMGで事前訓練したモデルからインテント検出器を初期化する健全なストローク適応パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-01-29T18:26:51Z)
• Semi-Supervised Learning for Dose Prediction in Targeted Radionuclide: A Synthetic Data Study [42.75913504373651]
  TRT(Targeted Radionuclide Therapy)は、がん細胞に特異的に強力な放射線照射を投与することを目的とした、放射線腫瘍学の現代的な戦略である。 深層学習はRTをパーソナライズすることを約束する。 現在の方法では大量のSPECT画像撮影が必要であるが、日常的な臨床実践では達成できない。
  論文  参考訳（メタデータ） (2025-03-07T12:21:09Z)
• Self-Supervised Diffusion MRI Denoising via Iterative and Stable Refinement [20.763457281944834]
  ディフュージョン (Di-Fusion) は、後者の拡散ステップと適応サンプリングプロセスを利用する、完全に自己制御された分極法である。 実データおよびシミュレーションデータを用いた実験により, マイクロ構造モデリング, トラクトグラフィー追跡, その他の下流タスクにおいて, ディフュージョンが最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-01-23T10:01:33Z)
• UDCR: Unsupervised Aortic DSA/CTA Rigid Registration Using Deep Reinforcement Learning and Overlap Degree Calculation [12.201553863670155]
  深部強化学習に基づく大動脈DSA/CTA剛性登録のための教師なし手法UDCRを提案する。 アルゴリズム評価のために61組の大動脈DSA/CTAを手動でアノテートした結果,UDCRは平均絶対誤差2.85mm,回転4.35degを達成した。
  論文  参考訳（メタデータ） (2024-03-09T01:18:32Z)
• GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
  学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。 我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。 提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
  論文  参考訳（メタデータ） (2023-06-26T13:32:09Z)
• 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)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)

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。