論文の概要: Order-Aware 2.5D Multiple Instance Learning for Preoperative MRI-Based Perineural Invasion Risk Assessment in Intrahepatic Cholangiocarcinoma
- arxiv url: http://arxiv.org/abs/2609.11271v1
- Date: Thu, 10 Sep 2026 09:04:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.277597
- Title: Order-Aware 2.5D Multiple Instance Learning for Preoperative MRI-Based Perineural Invasion Risk Assessment in Intrahepatic Cholangiocarcinoma
- Title（参考訳）: 肝内胆管癌に対する術前MRIによる硬膜外浸潤危険度評価のための順応型2.5次元同時学習法
- Abstract要約: 肝内胆管癌(ICC)における肝周囲浸潤(PNI)は病理組織学的に不良である
術前T2強調MRIは、PNIの非侵襲的画像手がかりを提供する可能性がある。
患者レベルのPNI予測のためのオーダーアウェアスラブ多重インスタンス学習(OAS-MIL)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: Perineural invasion (PNI) is an adverse histopathologic marker in intrahepatic cholangiocarcinoma (ICC), but it is usually confirmed only after resection. Preoperative T2-weighted MRI may provide noninvasive imaging cues predictive of PNI, although labels are available only at the patient level without slice- or voxel-level annotations. We propose Order-Aware Slab Multiple Instance Learning (OAS-MIL), a weakly supervised framework for patient-level PNI prediction. Each tumor-centered MRI crop is represented as an ordered sequence of overlapping 2.5D slabs formed from contiguous axial slices. A shared encoder extracts slab-level features, which are aggregated by a permutation-invariant set-attention branch and a bidirectional sequence-attention branch. Using five-fold label-stratified cross-validation at the patient level, OAS-MIL achieved a mean AUROC of 0.770, outperforming the evaluated volumetric and MIL baselines. These results suggest that axial order provides a useful inductive bias for weakly supervised PNI prediction from MRI.
- Abstract（参考訳）: 肝門部浸潤(PNI)は肝内胆管癌(ICC)の病理組織学的診断に有用であるが,切除後にのみ確認されることが多い。
術前のT2強調MRIはPNIの非侵襲的画像所見を予測できるが、ラベルはスライスやボキセルレベルのアノテーションなしで患者レベルでのみ利用できる。
我々は患者レベルのPNI予測のための弱教師付きフレームワークであるオーダーアウェアスラブ多重インスタンス学習(OAS-MIL)を提案する。
腫瘍中心のMRI作物は、連続した軸方向スライスから形成される2.5Dスラブの順列として表される。
共有エンコーダは、置換不変セットアテンションブランチと双方向シーケンスアテンションブランチで集約されたスラブレベルの特徴を抽出する。
OAS-MILは, 5倍のラベルを用いたクロスバリデーションにより平均AUROC0.770を達成し, 評価ボリュームおよびMILベースラインを上回った。
以上の結果より, 軸方向順はMRIからの弱い教師付きPNI予測に有用な誘導バイアスとなることが示唆された。
関連論文リスト
- Anatomy-Privileged Distillation with Token Routing for MRI-Based Prediction of Perineural Invasion [9.156688576258206]
肝門部浸潤は肝内胆管癌の術後予後不良と診断された。
T2強調MRIを用いた患者レベルのPNI予測のための解剖学専門教員フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-13T14:18:22Z) - 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) - A Controlled Audit of Pretraining Contamination in Public Medical Vision-Language Benchmarks [46.43161388634735]
医用視覚言語モデル(VLM)は、画像と質問応答ペアが何年も無料でダウンロードされている公開ベンチマークで評価される。
SLAKE-En,PathVQA,VQA-RAD,および4つの検出器ファミリを用いたOmniMedVQAミラーのオープンVLMを検査した。
論文 参考訳（メタデータ） (2026-06-08T18:40:10Z) - PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。
部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。
The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
論文 参考訳（メタデータ） (2026-04-05T21:14:27Z) - Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。
T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。
本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
論文 参考訳（メタデータ） (2026-04-01T14:50:18Z) - Bootstrapped Physically-Primed Neural Networks for Robust T2 Distribution Estimation in Low-SNR Pancreatic MRI [1.2899392854599374]
本稿では,ロバストな分布T2推定のためのブートストラップに基づく推論フレームワークを提案する。
提案手法では, 推定時間ブートストレッピングを用いて, ノイズアーティファクトの滑らか化と, 基礎となる緩和分布への忠実度の向上を図る。
これらの結果から,低SNR腹部造影像における定量的T2緩和法の有用性が示唆された。
論文 参考訳（メタデータ） (2026-03-14T19:10:46Z) - An Automated Radiomics Framework for Postoperative Survival Prediction in Colorectal Liver Metastases using Preoperative MRI [0.8571977422745714]
術後肝転移生存予測のためのAIベースの自動フレームワークを提案する。
我々は、解剖学的に認識されたセグメンテーションパイプラインと放射能パイプラインからなる生存予測フレームワークを開発した。
本研究は,放射能を用いた生存分析とセグメンテーションアルゴリズムの統合の可能性を示す。
論文 参考訳（メタデータ） (2026-03-10T20:34:24Z) - SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。
我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。
決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
論文 参考訳（メタデータ） (2025-07-15T01:18:28Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z)
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。