論文の概要: Multi-task learning for the automatic grading of enlarged perivascular space burden using MRI

• arxiv url: http://arxiv.org/abs/2609.37387v1
• Date: Tue, 29 Sep 2026 12:34:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.489815
• Title: Multi-task learning for the automatic grading of enlarged perivascular space burden using MRI
• Title（参考訳）: MRIを用いたマルチタスク学習による拡張血管空間負荷の自動評価
• Abstract要約: 脳磁気共鳴画像(MRI)で見るPVS(enlarged perivascular space)は、脳の健康状態の悪化と関連していると考えられている。 PVSの出現を反映するために, 放射線科医は臨床評価尺度に従って負担を視覚的に評価する。 基礎神経節 (BG) と遠心小葉 (CSO) における PVS の頻度を評価するための機械学習モデルの訓練法を開発し,評価した。 PVSマスクを付加入力チャネルとして受け入れる条件付き畳み込みニューラルネットワーク(CNN)と、PVSセグメンテーションとスコアリングの両方を実行するマルチタスクCNNと、ロジスティック回帰モデルとを比較検討した。
• 参考スコア（独自算出の注目度）: 3.250118594226848
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enlarged perivascular spaces (PVS) visible in brain magnetic resonance imaging (MRI) are increasingly thought to be linked to poor brain health. PVS are elongated structures of less than 3 mm in diameter and can be numerous. To reflect the incidence of PVS, radiologists visually score their burden following a clinical grading scale - a task that would benefit from automation to accelerate analyses and overcome the influence of inter-observer differences. We developed and evaluated methods for training machine learning models to score PVS incidence in the basal ganglia (BG) and centrum semiovale (CSO) leveraging the Potters/Wardlaw scale. The novelty in our work lies in the use of imperfect, semi-automatically generated "silver-standard" PVS segmentation masks during training, in addition to PVS radiological scores. We comparatively evaluated a conditional convolutional neural network (CNN) which accepts PVS masks as an extra input channel, a multi-task CNN which performs both PVS segmentation and scoring, and a logistic regression model which utilises features derived from PVS masks to predict PVS scores. Multi-task learning was the most effective method, achieving a mean average precision of 64.08% compared to 60.22% for the conditional CNN, 52.11% for a baseline CNN trained only to predict PVS scores, and 49.32% for the logistic regression model. The multi-task model showed an ability to localise individual PVS not shown by the other CNNs, and behaved in a probabilistically sensible way, predicting with lower confidence on inherently harder classes. Age, sex, hypertension status, white matter hyperintensity volume, and ischaemic stroke lesion status were shown to be associated with the multi-task model's PVS score predictions and the ground truth in a similar way.
• Abstract（参考訳）: 脳磁気共鳴画像(MRI)で見るPVS(enlarged perivascular space)は、脳の健康状態の悪化と関連していると考えられている。 PVSは直径3mm未満の細長い構造であり、多数のものが存在する。 PVSの発生を反映するため、放射線科医は臨床評価尺度(自動化の恩恵を受け、分析を加速し、サーバ間差の影響を克服するタスク)を視覚的に評価する。 我々は,ポッタース/ワルドロースケールを利用した基礎神経節(BG)と遠心小葉(CSO)におけるPVS頻度を評価するための機械学習モデルの訓練方法を開発し,評価した。 我々の研究の新規性は、トレーニング中に不完全で半自動生成された「銀標準」PVSセグメンテーションマスクと、PVSの放射線学的スコアの併用にある。 PVSマスクを付加的な入力チャネルとして受け入れる条件付き畳み込みニューラルネットワーク(CNN)と、PSVセグメンテーションとスコアリングの両方を実行するマルチタスクCNNと、PSVマスクから派生した特徴を利用してPSVスコアを予測するロジスティック回帰モデルとを比較検討した。 マルチタスク学習は最も効果的な方法であり、条件付きCNNでは平均64.08%、ベースラインCNNでは52.11%、PVSスコアでは49.32%、ロジスティック回帰モデルでは49.32%であった。 マルチタスクモデルは、他のCNNでは示されていない個別のPSVをローカライズする能力を示し、確率論的に感受性のある方法で振る舞い、本質的に難しいクラスに対する信頼性を低く予測した。 また, 年齢, 性別, 高血圧状態, ホワイトマター高強度容積, 虚血性脳梗塞の病変は, マルチタスクモデルによるPSVスコアの予測と, 地上の真実に類似していることが明らかとなった。

関連論文リスト

• CasCVS-Net: A Staged Multi-Task Cascade for Critical View of Safety Assessment [1.3006680840748224]
  腹腔鏡下胆嚢摘出術におけるCVS(Critical View of Safety)の自動評価には3つのCVS基準と解剖学的根拠の認識が必要である。 本研究では,Endoscapesデータセットに基づいて学習したオブジェクト検出,セマンティックセグメンテーション,CVSアセスメントを共同で行うマルチタスク・カスケードであるCasCVS-Netを提案する。
  論文  参考訳（メタデータ） (2026-09-23T10:56:15Z)
• Hierarchical Self-Supervised Adversarial Training for Robust Vision Models in Histopathology [64.46054930696052]
  敵対的攻撃は、医療のような重要な分野におけるビジョンモデルに重大な課題をもたらす。 既存の自己監督型逆行訓練手法は、病理像の階層構造を見落としている。 本稿では,これらの特性を活かした階層型自己監督適応訓練(HSAT)を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:59:47Z)
• A Comprehensive Framework for Automated Segmentation of Perivascular Spaces in Brain MRI with the nnU-Net [37.179674347248266]
  神経変性疾患では、PVS(perivascular space)の増大が一般的である。 現在不足している信頼性の高いPVS検出方法が必要である。
  論文  参考訳（メタデータ） (2024-11-29T09:19:57Z)
• Self-supervised learning improves robustness of deep learning lung tumor segmentation to CT imaging differences [7.332652485849634]
  自己教師付き学習(SSL)は、ラベルのないデータから有用な特徴表現を抽出する手法である。 我々は,Wild vs self-pretrained transformer (ViT) と階層型シフトウインドウ (Swin) モデルのロバストさとCT画像の違いを比較した。 肺腫瘍の分画におけるCT像像の違いは, 自己前置法よりも, 野生前置型ネットワークの方が, より堅牢であった。
  論文  参考訳（メタデータ） (2024-05-14T14:35:21Z)
• Self-Supervised Pretraining Improves Performance and Inference Efficiency in Multiple Lung Ultrasound Interpretation Tasks [65.23740556896654]
  肺超音波検査における複数分類課題に適用可能なニューラルネットワーク特徴抽出器を,自己指導型プレトレーニングで作成できるかどうかを検討した。 3つの肺超音波のタスクを微調整すると、事前訓練されたモデルにより、各テストセットの受信操作曲線(AUC)における平均クロスタスク面積は、それぞれ0.032と0.061に改善された。
  論文  参考訳（メタデータ） (2023-09-05T21:36:42Z)
• Curriculum Based Multi-Task Learning for Parkinson's Disease Detection [2.1187904593676845]
  我々は、重篤度に基づくメタデータを利用して、深層畳み込みニューラルネットワーク(CNN)を訓練するためのカリキュラムを定義する。 カリキュラム学習は、分類し易い例から始めることで分類器のパフォーマンスを向上させるための訓練戦略である。 プレトレーニングCNNとトランスファーラーニングを用いたマルチタスク設定でも,T1強調(T1-w)MRIに基づくPD分類は困難であった(ROC AUC: 0.59-0.65)が,カリキュラムトレーニングでは,ベースラインモデルと比較してパフォーマンスが3.9%向上した。
  論文  参考訳（メタデータ） (2023-02-27T09:58:09Z)
• Attend Who is Weak: Pruning-assisted Medical Image Localization under Sophisticated and Implicit Imbalances [102.68466217374655]
  ディープニューラルネットワーク(DNN)は、医療画像理解タスクのテキストファクト選択として急速に普及している。 本稿では,プルーニングを用いてテキスト・ハード・トゥ・ラーン(HTL)学習サンプルを自動かつ適応的に識別する手法を提案する。 また、HTLが複雑な人口動態の不均衡を捉える能力を示す興味深い統計分析も提示する。
  論文  参考訳（メタデータ） (2022-12-06T00:32:03Z)
• SANSformers: Self-Supervised Forecasting in Electronic Health Records with Attention-Free Models [48.07469930813923]
  本研究は,医療施設への患者訪問数を予測することにより,医療サービスの需要を予測することを目的とする。 SNSformerは、特定の帰納バイアスを設計し、EHRデータの特異な特徴を考慮に入れた、注意のない逐次モデルである。 本研究は, 各種患者集団を対象とした医療利用予測の修正における, 注意力のないモデルと自己指導型事前訓練の有望な可能性について考察した。
  論文  参考訳（メタデータ） (2021-08-31T08:23:56Z)
• Prediction of progressive lens performance from neural network simulations [62.997667081978825]
  本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。 提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
  論文  参考訳（メタデータ） (2021-03-19T14:51:02Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。