論文の概要: Anatomy-aware Fine-grained Multimodal Fusion for Laryngopharyngeal Cancer T-Staging Prediction Using CT and Radiology Report
- arxiv url: http://arxiv.org/abs/2610.06837v1
- Date: Mon, 05 Oct 2026 17:58:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 22:12:16.709689
- Title: Anatomy-aware Fine-grained Multimodal Fusion for Laryngopharyngeal Cancer T-Staging Prediction Using CT and Radiology Report
- Title（参考訳）: CTとラジオグラフィーによる喉頭咽頭癌T-Staging Predictionの解剖学的検討
- Abstract要約: 我々は,臓器レベルのCTコンテキストと放射線診断を統合した解剖学的枠組みを提案し,喉頭咽頭T-stagingの統一表現について検討した。
喉頭咽頭癌に対するT-stagingの成績は良好である。
- 参考スコア（独自算出の注目度）: 14.614204133903977
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate T-staging is crucial for guiding personalized treatment strategies for laryngopharyngeal cancer. However, current clinical practice relies on invasive biopsy procedures, whereas CT-based staging remains challenging due to the complex patterns of tumor invasion. Recent computer-aided approaches face two key challenges: 1) Structural relationship modeling: existing methods underrepresent anatomically structured patterns of tumor invasion, as they either process whole CT volumes without tumor-specific anatomical constraints or rely on labor-intensive tumor segmentation. 2) Fine-grained cross-modal alignment: while radiology reports contain organ-specific invasion details, current methods that apply global feature fusion struggle to accurately align individual anatomical structures with their corresponding textual descriptions. To address these issues, we propose an anatomy-aware multimodal framework that integrates organ-level CT context and radiology reports into a unified representation for laryngopharyngeal T-staging. The framework first constructs an Anatomy-Structured Organ Graph (AOG) that captures invasion patterns between primary sites and surrounding organs, then performs Organ-Anchored Cross-Modal Alignment (OCA) so that each organ node aggregates textual evidence from the radiology report, and finally refines this graph representation by injecting organ-specific invasion cues extracted from the report via Report-Enhanced Graph-Refinement (REG), yielding a multimodal organ graph that combines spatial and textual evidence. Extensive experiments demonstrate that the proposed framework achieves superior performance in T-staging of laryngopharyngeal cancer.
- Abstract（参考訳）: 喉頭咽頭癌に対するパーソナライズされた治療戦略の導出には正確なTスタンディングが不可欠である。
しかし, 腫瘍浸潤の複雑なパターンが原因で, CTベースのステージングは依然として困難である。
最近のコンピュータ支援アプローチは2つの大きな課題に直面している。
1) 構造的関係モデリング: 既存の方法では, 腫瘍特異的な解剖学的制約を伴わずに全CT量を処理したり, 労働集約的な腫瘍セグメンテーションに依存するため, 腫瘍浸潤の解剖学的構造パターンを表わす。
2) 放射線学報告には臓器特異的な浸潤の詳細が記載されているが, 個々の解剖学的構造と対応するテクスト的記述を正確に整合させるのにグローバルな特徴融合を適用した現在の手法は困難である。
これらの課題に対処するために,臓器レベルのCTコンテキストと放射線診断を統合した解剖学的マルチモーダルフレームワークを提案する。
このフレームワークはまず、一次部位と周囲の臓器間の侵入パターンをキャプチャする解剖学的構造化臓器グラフ(AOG)を構築し、次に、各臓器ノードが放射線学レポートから文書的証拠を集約し、最後に、レポートから抽出された臓器固有の侵入キューをReport-Enhanced Graph-Refinement(REG)を介して注入することにより、空間的およびテキスト的証拠を組み合わせたマルチモーダル臓器グラフを生成することにより、このグラフ表現を洗練させる。
喉頭咽頭癌に対するT-stagingにおいて,本フレームワークが優れた性能を発揮することを,広範囲にわたる実験により明らかにした。
関連論文リスト
- Learning Anatomy-Grounded CT Vision-Language Representations with Organ-Hierarchical Report Knowledge [7.277508278429653]
我々は,臓器階層的知識付加型CTレポートフレームワークであるoka-CTを提案する。
OK-CTは,まず,ラジオロジーレポート解析を用いて,自由テキストレポートを臓器条件の知識に変換する。
ステージ1は、微細な臓器条件の監督を通じて、解剖学的根拠をCTの視覚表現に注入する。
Stage2は、組織特異的なレポートエビデンスを使用して、構造化レポート-CTコントラスト学習をガイドする。
論文 参考訳（メタデータ） (2026-07-12T23:09:23Z) - Graph-Augmented Topological Internalization with Dual-Stream Classifiers for Medical Report Generation [3.3887144970801555]
トポロジカル内部化を用いたグラフ拡張型デュアルストリーム医療レポート生成法(GDMRG)を提案する。
本フレームワークでは,グローバルな疾患の共起を前提としたパラメータ化重み行列を生成するトポロジカル・ナレッジ・インサイナライゼーション・モジュールであるTKIを導入する。
MIMIC-CXRデータセットの実験は、GDMRGが自然言語の流速を維持しながら競争力のある臨床効果CEを達成することを示した。
論文 参考訳（メタデータ） (2026-05-04T09:17:27Z) - A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - CT-GRAPH: Hierarchical Graph Attention Network for Anatomy-Guided CT Report Generation [4.376648893167674]
我々は,放射線学的知識を明示的にモデル化した階層型グラフアテンションネットワークであるCT-GRAPHを提案する。
本手法は, 事前訓練した3次元医用特徴エンコーダを用いて, グローバルな特徴と臓器レベルの特徴を抽出する。
提案手法は,現在の最先端手法よりもF1スコアが絶対7.9%向上したことを示す。
論文 参考訳（メタデータ） (2025-08-07T13:18:03Z) - GRASPing Anatomy to Improve Pathology Segmentation [67.98147643529309]
本稿では,病的セグメンテーションモデルを強化するモジュール型プラグイン・アンド・プレイフレームワークGRASPを紹介する。
2つのPET/CTデータセット上でGRASPを評価し、系統的アブレーション研究を行い、フレームワークの内部動作について検討する。
論文 参考訳（メタデータ） (2025-08-05T12:26:36Z) - Anatomy-guided Pathology Segmentation [56.883822515800205]
本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。
我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。
これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
論文 参考訳（メタデータ） (2024-07-08T11:44:15Z) - GuideGen: A Text-Guided Framework for Full-torso Anatomy and CT Volume Generation [1.138481191622247]
GuideGenは、フリーフォームのテキストプロンプトに基づいて、胸部から骨盤まで、解剖学的マスクとそれに対応するCTボリュームを生成する制御可能なフレームワークである。
提案手法は,リアルなフルトルソ解剖を作成するためのテキスト条件セマンティックシンセサイザー,コントラストを意識した様々なコントラストレベルの詳細な特徴抽出用オートエンコーダ,CT画像,解剖学的セマンティクス,入力プロンプト間のアライメントを保証する潜在特徴生成装置の3つのコアコンポーネントを含む。
論文 参考訳（メタデータ） (2024-03-12T02:09:39Z) - AG-CRC: Anatomy-Guided Colorectal Cancer Segmentation in CT with
Imperfect Anatomical Knowledge [9.961742312147674]
自動生成臓器マスクを利用する新しい解剖ガイドセグメンテーションフレームワークを開発した。
提案手法を2つのCRCセグメンテーションデータセット上で広範囲に評価する。
論文 参考訳（メタデータ） (2023-10-07T03:22:06Z) - Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。
提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文 参考訳（メタデータ） (2022-09-28T10:27:10Z) - Context-Aware Transformers For Spinal Cancer Detection and Radiological
Grading [70.04389979779195]
本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。
MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。
画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
論文 参考訳（メタデータ） (2022-06-27T10:31:03Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z)
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。