論文の概要: VCRE-Fib: View-Conditioned Regional Evidence for Fine-Grained Ultrasound Grading of Schistosoma japonicum-Associated Liver Fibrosis

• arxiv url: http://arxiv.org/abs/2609.32840v1
• Date: Sat, 26 Sep 2026 18:13:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 19:44:22.99527
• Title: VCRE-Fib: View-Conditioned Regional Evidence for Fine-Grained Ultrasound Grading of Schistosoma japonicum-Associated Liver Fibrosis
• Title（参考訳）: VCRE-Fib: Schistosoma japonicum 関連肝線維症の微細粒微細超音波像の局所的観察
• Abstract要約: VCRE-Fibは、微細な超音波グレーディングのためのビューコンディショニングされた地域エビデンスフレームワークである。 空間プーリングの前に局所的なグルーピングの証拠を形成し、その凝集を誘導するために弱い局所化を使い、グローバルな予測と組み合わせる。 本手法は,35施設6,373例の超音波画像108,709枚の再計算コホートを用いて開発・評価した。
• 参考スコア（独自算出の注目度）: 31.459273589110982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate assessment of Schistosoma japonicum-associated liver fibrosis is essential for disease management and long-term follow-up in endemic regions. Ultrasound provides non-invasive imaging, but complex local echogenic patterns and anatomical structures make fine-grained grading challenging. Existing deep learning methods can predict fibrosis scores, yet directly incorporating acquisition views and regional cues into grading while retaining spatial information for inspection remains an open problem. Here we present VCRE-Fib, a view-conditioned regional evidence framework that integrates anatomical context, local information, and global image assessment for fine-grained ultrasound grading. The framework forms view-conditioned local grading evidence before spatial pooling, uses weak localization to guide its aggregation, and combines it with global predictions. Image-only inference jointly returns a fibrosis score, acquisition view, and candidate abnormal-region map. We developed and evaluated the method on a re-curated cohort of 108,709 ultrasound images from 6,373 patients across 35 centers. On a patient-disjoint test set of 4,107 images from 240 patients across four centers, VCRE-Fib reduced the prespecified composite grading risk by 7.115% relative to SFibAI trained and evaluated on the same data split. Image-level mean absolute error decreased from 0.391 to 0.378, alongside lower patient-max, patient-median, and center-balanced risks. The full model also achieved lower composite grading risk than variants that separately removed view conditioning or weak localization. These results support incorporating anatomical context and regional evidence into ultrasound grading while exposing spatial predictions for inspection alongside severity estimates.
• Abstract（参考訳）: Schistosoma japonicum関連肝線維症の正確な評価は, 疾患管理と長期経過観察に不可欠である。 超音波は非侵襲的な画像を提供するが、複雑な局所エコーパターンと解剖学的構造は微細なグレーディングを困難にしている。 既存の深層学習手法では線維化のスコアを予測できるが、取得ビューや地域的手がかりを直接グラデーションに組み込むことで、検査のための空間情報を保持できるという問題は未解決のままである。 ここでは、解剖学的文脈、局所情報、および微細な超音波グレーディングのための大域的画像評価を統合するビュー条件付き地域エビデンスフレームワークであるVCRE-Fibを紹介する。 このフレームワークは、空間プーリングの前にビューコンディショニングされた局所的なグレーディングエビデンスを形成し、そのアグリゲーションを誘導するために弱いローカライゼーションを使用し、グローバルな予測と組み合わせる。 画像のみの推論は、ファイバシースコア、取得ビュー、および候補の異常領域マップを共同で返す。 本手法は,35施設6,373例の超音波画像108,709枚の再計算コホートを用いて開発・評価した。 4つのセンターにまたがる240人の患者4,107枚の画像からなる患者分離テストセットにおいて、VCRE-Fibは、トレーニングされたSFibAIと比較して、所定の複合グレーディングリスクを7.115%削減し、同じデータ分割に基づいて評価した。 画像レベルでの平均絶対誤差は0.391から0.378に減少し, 患者最大値, 患者中間値, センターバランスリスクが低下した。 フルモデルはまた、ビューコンディショニングまたは弱いローカライゼーションを別々に除去した変種よりも、より低い合成グレーディングリスクを達成した。 これらの結果は,検査のための空間的予測を重度推定とともに公開しながら,解剖学的文脈と局所的証拠を超音波評価に取り入れることを支援する。

関連論文リスト

• Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
  3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。 新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
  論文  参考訳（メタデータ） (2026-06-24T18:00:03Z)
• A Unified Framework for Joint Detection of Lacunes and Enlarged Perivascular Spaces [3.9313804276175506]
  脳小血管疾患(CSVD)マーカー,特にEPVSとlacunaeは,医用画像解析においてユニークな課題である。 本稿では,Zero-Gated CrossTask Attention が高密度EPVSコンテキストを利用してスパースラグーン検出を誘導する形態分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-04T16:30:46Z)
• WristMIR: Coarse-to-Fine Region-Aware Retrieval of Pediatric Wrist Radiographs with Radiology Report-Driven Learning [0.39146761527401425]
  WristMIRは、地域対応の小児手首画像検索フレームワークである。 手動のイメージレベルのアノテーションなしで、きめ細かい、臨床的に意味のある画像表現を学習する。
  論文  参考訳（メタデータ） (2026-02-08T08:57:57Z)
• Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
  コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
  論文  参考訳（メタデータ） (2025-11-30T12:45:02Z)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
  本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。 提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
  セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。 同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。 大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
  論文  参考訳（メタデータ） (2021-02-03T10:23:41Z)
• Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
  胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。 このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。 本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
  論文  参考訳（メタデータ） (2020-10-09T10:15:26Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。