論文の概要: Knee3DVLM: Dual-Sequence Full-Volume Vision-Language Modeling for Comprehensive Knee MRI Assessment
- arxiv url: http://arxiv.org/abs/2610.08482v1
- Date: Tue, 06 Oct 2026 14:58:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:30.066854
- Title: Knee3DVLM: Dual-Sequence Full-Volume Vision-Language Modeling for Comprehensive Knee MRI Assessment
- Title（参考訳）: Knee3DVLM:総合的膝MRI評価のためのデュアルシーケンスフルボリュームビジョンランゲージモデリング
- Abstract要約: 視覚言語モデル(VLM)は3次元の医療画像にますます応用されているが、膝関節MRIへの応用は限られている。
Knee3DVLMは、フルボリュームDESSと流体感応性TSE MRIを用いて57個の解剖学的に解決されたバイナリ診断ターゲットを予測するシーケンス対応VLMである。
- 参考スコア（独自算出の注目度）: 4.998287167960019
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-language models (VLMs) are increasingly being applied to three-dimensional medical imaging, but their application to knee MRI remains limited, particularly for interpreting the complementary sequences used in clinical practice. We introduce Knee3DVLM, a sequence-aware VLM that uses full-volume DESS and fluid-sensitive TSE MRI to predict 57 anatomically resolved binary diagnostic targets derived from the MRI Osteoarthritis Knee Score (MOAKS) for structured reporting. We evaluated DESS-only, TSE-only, and paired DESS-TSE configurations using subject-disjoint Osteoarthritis Initiative partitions. In a held-out cohort of 1,074 examinations, the fused model achieved 72.98% average accuracy, 71.17% balanced accuracy, 78.96% mean ROC-AUC, and 78.74% macro ROC-AUC, the highest values among the three configurations. In a secondary multiclass analysis aligned with the released 3DReasonKnee cohort, Knee3DVLM was numerically higher than the strongest reported 3DReasonKnee configuration across five pathology categories. These findings support dual-sequence full-volume modeling for comprehensive knee MRI assessment.
- Abstract（参考訳）: 視覚言語モデル(VLM)は3次元の医用画像にますます応用されているが、その膝関節MRIへの応用は限定的であり、特に臨床で用いられる補完的シーケンスの解釈に向いている。
我々は,フルボリュームDESSと流体感応性TSE MRIを用いて,MRIの変形性膝関節症(MOAKS)由来の57の解剖学的診断目標を予測できる配列対応VLMであるKnee3DVLMを紹介した。
DESS-only, TSE-only, and paired DESS-TSE configurations using subject-disjoint osteoarthritis Initiative partitions。
1,074回の試験で、融合したモデルは平均精度72.98%、バランスの取れた精度71.17%、平均ROC-AUC78.96%、マクロROC-AUC78.74%を達成した。
公表された3DReasonKneeコホートに沿った二次的多クラス分析では,5つの病理カテゴリーで報告された最も強い3DReasonKnee構成よりもKnee3DVLMが数値的に高かった。
これらの所見は、総合的な膝関節MRI評価のための二重列フルボリュームモデリングをサポートする。
関連論文リスト
- WASP: Weakly Aligned Spatiotemporal Pairs for Fetal Brain MRI-Ultrasound Learning [46.24086098046692]
Weakly Aligned Spatiotemporal Pairs (WASP) は、エントロピー最適輸送問題としてクロスモーダル対応を定式化するためのフレームワークである。
プレトレーニング中にMRIがモデルに見当たらない場合,WASPは最大の利得が得られることを示す。
論文 参考訳（メタデータ） (2026-10-03T15:41:00Z) - SAMI3D-DW: Interactive Segmentation of Any 3D Medical Images [41.76270845556824]
SAMI3D-DWは、Deepwiseの大規模プロプライエタリな医療画像データセットに基づいてトレーニングされたインタラクティブな3Dセグメンテーションモデルである。
219のソースデータセットから4,326のケースからなるCT/MRベンチマークを用いて,ユーザインタラクションのシミュレーションによるモデルの評価を行った。
放射線医や臨床医にとって、SAMI3D-DWは、CT上の頭蓋内血管木やMR血管造影などの複雑な解剖学的構造を数クリックで分割することができる。
論文 参考訳（メタデータ） (2026-09-22T06:25:11Z) - UniField: A Unified Field-Aware MRI Enhancement Framework [45.03230466428695]
methodnameは、複数のモダリティと拡張タスクを統合する統合フレームワークである。
我々は、事前学習した3D基礎モデルを利用して、総合的な3Dボリューム情報を利用する。
我々は,総合的なマルチフィールドMRIデータセットを編成し,公開する。
論文 参考訳（メタデータ） (2026-03-10T05:45:12Z) - Specializing Foundation Models via Mixture of Low-Rank Experts for Comprehensive Head CT Analysis [6.04562866374803]
複数の特殊な低ランクアダプタと教師なしソフトルーティングでLoRAを拡張したMixture of Low-Rank Experts (MoLRE) フレームワークを提案する。
2次元および3次元のアーキテクチャ、一般ドメイン、医療ドメイン、頭部CT固有の事前訓練、および7Mから431Mのモデルサイズにまたがる6つの最先端医療画像基盤モデルのMoLREのベンチマークを提示する。
論文 参考訳（メタデータ） (2026-02-28T14:32:38Z) - LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。
CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文 参考訳（メタデータ） (2025-08-23T07:21:23Z) - Large-scale Multi-sequence Pretraining for Generalizable MRI Analysis in Versatile Clinical Applications [15.846703688846086]
本研究では,大規模MultI-Sequence MRIを用いた基礎モデルであるPRISMを提案する。
本稿では,MRIの配列特異的な変化から解剖学的に不変な特徴を引き離す新しい事前訓練パラダイムを提案する。
PRISMは、非事前のモデルと既存の基礎モデルの両方を一貫して上回った。
論文 参考訳（メタデータ） (2025-08-10T03:31:46Z) - SAMRI-2: A Memory-based Model for Cartilage and Meniscus Segmentation in 3D MRIs of the Knee Joint [0.7879983966759583]
本研究では,メモリベースのVFMを用いた3次元MRIによる軟骨・半月板分割のためのディープラーニング(DL)手法を提案する。
我々はCNNベースの3D-VNetと2つの自動トランスフォーマーベースモデル(SaMRI2DとSaMRI3D)、およびトランスフォーマーベースのプロンプト可能なメモリベースVFM(SAMRI-2)を270例の3D膝MRIで訓練した。
SAMRI-2はHSSで訓練され、他の全てのモデルより優れ、平均5ポイント改善し、最高12ポイント向上した。
論文 参考訳（メタデータ） (2025-02-14T21:18:01Z) - Clinical Utility of Foundation Segmentation Models in Musculoskeletal MRI: Biomarker Fidelity and Predictive Outcomes [0.0]
筋骨格 (MSK) MRI データセットを用いて, 広く用いられている3つのセグメンテーションモデル (SAM, SAM2, MedSAM) を評価した。
本フレームワークは,ゼロショットと微調整の両方のパフォーマンスを評価し,セグメンテーション精度,画像プロトコル間の一般化性,抽出された量的バイオマーカーの信頼性に着目した。
論文 参考訳（メタデータ） (2025-01-23T04:41:20Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。