論文の概要: SCINTILLA-SNN: A Spiking Multi-Scale Selective Aggregation Network for Perineural Invasion Prediction

• arxiv url: http://arxiv.org/abs/2609.11237v1
• Date: Thu, 10 Sep 2026 08:36:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.258132
• Title: SCINTILLA-SNN: A Spiking Multi-Scale Selective Aggregation Network for Perineural Invasion Prediction
• Title（参考訳）: SCINTILLA-SNN: 周囲侵入予測のためのスパイキング多スケール選択集約ネットワーク
• Abstract要約: 胆管癌における周神経浸潤(PNI)の術前予測は臨床的に有用であるが,依然として困難である。 標準的な3D CNNとトランスフォーマーアーキテクチャは、密度や空間的に均一な方法でボリュームデータを処理している。 PNI予測のための4段階層バックボーンとマルチスケールスパイクアグリゲーションモジュールからなる3次元スパイクネットワークSCINTILLA-SNNを提案する。
• 参考スコア（独自算出の注目度）: 8.986941416850877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Preoperative prediction of perineural invasion (PNI) in cholangiocarcinoma (CCA) is clinically valuable but remains challenging because PNI-related cues on magnetic resonance imaging (MRI) are subtle, sparse, and spatially localized around the tumor boundary. Standard 3D CNN and transformer architectures process volumetric data in a dense or spatially uniform manner, which can dilute subtle PNI-related evidence while requiring a large number of multiply-accumulate operations over 3D feature grids. To address these limitations, we propose SCINTILLA-SNN, a 3D spiking network composed of a four-stage hierarchical backbone and a Multi-Scale Spike Aggregation (MSSA) module for PNI prediction. The backbone extracts hierarchical volumetric representations through spiking convolutional stages and local spike window modulation stages. Given the resulting stage-wise representations, MSSA maps each spatial token to a learnable content value and modulates it with a spike-dynamics gate derived from firing rate and timestep-wise membrane-potential variability. The resulting score, referred to as the diagnostic token score, is used to selectively aggregate sparse PNI-related evidence. Experiments on a 10-year retrospective cohort of 182 CCA patients show that SCINTILLA-SNN achieves an AUROC of 0.748 under 5-fold cross-validation, while reducing the estimated inference energy by 23.18$\times$ compared with dense MAC-only computation of the same network.
• Abstract（参考訳）: 胆管癌 (CCA) における周膜浸潤 (PNI) の術前予測は臨床的に有用であるが, MRI (MRI) におけるPNI関連手がかりは, 腫瘍境界付近で微妙に, 軽度, 空間的に局在しているため, いまだに困難である。 標準的な3D CNNとトランスフォーマーアーキテクチャは、密度や空間的に均一な方法でボリュームデータを処理し、PNI関連の微妙な証拠を希薄化すると同時に、3D特徴格子上で多数の乗算演算を必要とする。 SCINTILLA-SNNは,PNI予測のための4段階層バックボーンとマルチスケールスパイクアグリゲーション(MSSA)モジュールで構成される3次元スパイクネットワークである。 背骨は、スパイク畳み込み段階と局所スパイクウィンドウ変調段階を通して階層的な体積表現を抽出する。 得られたステージワイズ表現により、MSSAは各空間トークンを学習可能な内容値にマッピングし、発射速度と時間ステップワイズ膜電位変動から導かれるスパイク力学ゲートで変調する。 結果のスコアは診断トークンスコアと呼ばれ、スパースPNI関連の証拠を選択的に集計するために使用される。 CCA患者182名による10年間の振り返りコホート実験により、SCINTILLA-SNNは5倍のクロスバリデーションで0.748のAUROCを達成し、同じネットワークのMACのみの密度計算と比較して推定推定推定エネルギーを23.18$\times$に削減した。

関連論文リスト

• Adaptive Routing for Efficient Diffusion Transformer-Based PNI Prediction [9.156688576258206]
  肝門部浸潤(PNI)は胆管癌における重要な予後因子である。 従来の畳み込みニューラルネットワークは、長距離空間的手がかりを捉える場合に限られている。 Transformer-based MRIは、空間的に分散された文脈的手がかりを集約することにより、ボリュームのグローバルなモデリングを改善する。
  論文  参考訳（メタデータ） (2026-07-13T13:18:21Z)
• LoSA-Net: A Localized and Scale-Adaptive Network for Boundary-Sensitive Prediction of Perineural Invasion in 3D MRI [10.952583431192279]
  3次元MRIにおける境界感応性PNI予測のための局所的・大規模適応型アーキテクチャであるLoSA-Netを提案する。 TNA(Talking Neighborhood Attention)は,局所的自己注意と頭部混合による神経側細部を保存し,SAFM(Scale-Adaptive Feature Mixing)は多スケール深度処理を用いて受容野を変調する。 胆管癌168例の造影MRIスキャンでは、LoSA-NetはAUC0.7567を達成し、マッチした前処理と最適化設定の下で、代表的畳み込みとトランスフォーマーベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-07-13T01:31:01Z)
• NeoNet: An End-to-End 3D MRI-Based Deep Learning Framework for Non-Invasive Prediction of Perineural Invasion via Generation-Driven Classification [10.245779493909179]
  胆管癌における周神経浸潤予測のための3次元ディープラーニングフレームワークNeoNetを提案する。 5倍のクロスバリデーションでは、NeoNetはベースライン3Dモデルより優れ、AUCの最大0.7903で最高性能を達成した。
  論文  参考訳（メタデータ） (2026-03-31T08:51:23Z)
• MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
  MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。 我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
  論文  参考訳（メタデータ） (2026-03-12T07:37:00Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Multiple Instance Ensembling For Paranasal Anomaly Classification In The Maxillary Sinus [46.1292414445895]
  副鼻腔奇形は幅広い形態学的特徴を持つ。 副鼻腔異常分類への現在のアプローチは、一度に1つの異常を特定することに制約されている。 3次元畳み込みニューラルネットワーク(CNN)を用いて正常上顎骨(MS)とMSをポリープや嚢胞で分類する可能性を検討した。
  論文  参考訳（メタデータ） (2023-03-31T09:23:27Z)
• Z-SSMNet: Zonal-aware Self-supervised Mesh Network for Prostate Cancer Detection and Diagnosis with Bi-parametric MRI [14.101371684361675]
  我々はZ-SSMNet(Z-SSMNet)を提案する。 Z-SSMNetは、多次元(2D/2.5D/3D)畳み込みを適応的に統合し、高密度スライス情報と異方性bpMRIのスパースス間情報を学習する。 大規模未ラベルデータを用いてネットワークを事前学習するための自己教師付き学習(SSL)手法を提案する。
  論文  参考訳（メタデータ） (2022-12-12T10:08:46Z)
• Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
  長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。 本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
  論文  参考訳（メタデータ） (2022-08-28T17:50:19Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• Enhancing Fiber Orientation Distributions using convolutional Neural Networks [0.0]
  商業的に取得したMRIにおけるFODの改善について学ぶ。 パッチベースの3次元畳み込みニューラルネットワーク(CNN)の評価 本手法により,シングルシェルdMRI取得プロトコル上でのCDDモデル推定が可能となる。
  論文  参考訳（メタデータ） (2020-08-12T16:06:25Z)
• Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
  雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。 このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。 実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T08:22:56Z)

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。