論文の概要: Ultrasound-Based Prediction of Cirrhosis Decompensation Using Large-Scale Computer Vision Models

• arxiv url: http://arxiv.org/abs/2609.04365v1
• Date: Thu, 03 Sep 2026 18:25:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.790886
• Title: Ultrasound-Based Prediction of Cirrhosis Decompensation Using Large-Scale Computer Vision Models
• Title（参考訳）: 大規模コンピュータビジョンモデルを用いた肝硬変の超音波予測
• Abstract要約: 本フレームワークは, 自動超音波データ処理と最新のディープラーニングアーキテクチャを統合し, 脱補償リスクの高い患者を同定する。 この非侵襲的戦略は、既存の臨床評価システムに実践的な補完を提供し、補償された肝硬変患者の早期、より積極的な管理を可能にする可能性がある。
• 参考スコア（独自算出の注目度）: 8.28072486483115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decompensation represents a critical transition in the course of cirrhosis, yet clinicians have limited non-invasive tools to reliably predict its onset. In this study, we propose a novel imaging-based approach that leverages large-scale computer vision models to analyze routine abdominal ultrasound images and extract predictive features beyond those captured by traditional laboratory-based risk scores. Ultrasound is widely available, low cost, and suitable for longitudinal surveillance, making it an attractive modality for scalable risk stratification and long-term follow-up. Our framework integrates automated ultrasound data processing with modern deep learning architectures to identify patients at high risk of decompensation prior to the occurrence of clinical deterioration. This non-invasive strategy offers a practical complement to existing clinical scoring systems and may enable earlier, more proactive management of patients with compensated cirrhosis.
• Abstract（参考訳）: 脱補償は肝硬変の過程で重要な変化を示すが、臨床医はその発症を確実に予測するための非侵襲的ツールが限られている。 本研究では,大規模コンピュータビジョンモデルを用いた新しい画像ベースアプローチを提案する。 超音波は広く利用でき、低コストで、長期監視に適しており、スケーラブルなリスク階層化と長期追跡のための魅力的なモダリティとなっている。 本フレームワークは, 超音波自動処理と最新の深層学習アーキテクチャを統合し, 臨床劣化発生前の脱補償リスクの高い患者を同定する。 この非侵襲的戦略は、既存の臨床評価システムに実践的な補完を提供し、補償された肝硬変患者の早期、より積極的な管理を可能にする可能性がある。

関連論文リスト

• TRACE-PCa: Predicting Prostate Cancer Progression from Longitudinal MRI During Active Surveillance [3.0383869408727864]
  アクティブな監視は、リスクの高い前立腺がんにとって好ましい戦略である。 現在のプロトコルは、スケジュールされた繰り返し生検に依存しており、そのほとんどは進行を示さず、不要である。 病変分節を伴わないASの病態進行を予測するために, 終端時間・多モーダルモデルを提案する。
  論文  参考訳（メタデータ） (2026-07-15T07:00:50Z)
• Decoding Future Risk: Deep Learning Analysis of Tubular Adenoma Whole-Slide Images [2.0049131811804144]
  大腸癌(CRC)は、がん関連死亡の重大な原因である。 低悪性度ポリープと診断された患者の顕著な部分は、後年CRCを発症する。 本研究では、機械学習アルゴリズム、特に畳み込みニューラルネットワーク(CNN)が、全スライディング画像の微妙な組織学的特徴を検出できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-02-09T20:00:04Z)
• UltraLight Med-Vision Mamba for Classification of Neoplastic Progression in Tubular Adenomas [2.7861537812259316]
  Ultralight Med-Vision Mambaは状態空間ベースモデル(SSM)である 長距離および短距離の依存関係のモデリングや画像の一般化に優れる。 これは、リアルタイムな臨床展開のための有望なツールである。
  論文  参考訳（メタデータ） (2025-08-12T20:56:31Z)
• The Role of AI in Early Detection of Life-Threatening Diseases: A Retinal Imaging Perspective [10.884863227198975]
  我々は最新のOCT/AおよびAO開発、AI/MLアプローチ、mHealth/Tele-ophthalmologyイニシアチブを体系的に合成する。 本稿では,マルチセンタープロトコルの標準化,将来性検証,網膜スクリーニングのシームレス化のためのロードマップを提案する。
  論文  参考訳（メタデータ） (2025-05-27T07:19:37Z)
• High-Fidelity Functional Ultrasound Reconstruction via A Visual Auto-Regressive Framework [58.07923338080814]
  機能的神経側頭葉イメージングはマッピングに例外的な解像度を提供する。 しかし、その実践的応用は重大な課題によって妨げられている。 データ不足、倫理的考慮、信号劣化などが含まれる。
  論文  参考訳（メタデータ） (2025-05-23T15:27:17Z)
• 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)
• 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)
• Learning Autonomous Ultrasound via Latent Task Representation and Robotic Skills Adaptation [2.3830437836694185]
  本稿では,自律型超音波の潜在タスク表現とロボットスキル適応を提案する。 オフラインの段階では、マルチモーダル超音波技術が統合され、低次元確率モデルにカプセル化される。 オンライン段階では、確率モデルは最適な予測を選択して評価する。
  論文  参考訳（メタデータ） (2023-07-25T08:32:36Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)

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。