論文の概要: Automated carotid artery atherosclerotic inflammation segmentation in PET using MSR-Net

• arxiv url: http://arxiv.org/abs/2610.15245v1
• Date: Sun, 11 Oct 2026 00:35:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:54:28.62085
• Title: Automated carotid artery atherosclerotic inflammation segmentation in PET using MSR-Net
• Title（参考訳）: MSR-Netを用いたPETにおける自動頸動脈動脈硬化性炎症分画
• Abstract要約: 合成頸動脈PET像を作成した。 ネットワークはまずT1強調MRから頸動脈壁を局在させ、その後、マスクPETからボクセルの炎症率を推定した。 U-Net, Transformer U-Net, DUCK-Net, 反復Yang部分体積補正との比較を行った。
• 参考スコア（独自算出の注目度）: 5.725896190933832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective. To develop an automated method for segmentation and uptake quantification of carotid atherosclerotic inflammation on 64Cu-CANF-comb PET while accounting for partial-volume and tissue-fraction effects. Approach. Synthetic carotid PET images with known fractional-volume ground truth were generated by combining MR-derived high-resolution activity maps with GATE Monte Carlo simulation incorporating major PET physical processes and matched to the Biograph mMR acquisition and reconstruction. A two-stage network first localized the carotid vessel wall from T1-weighted MR and then estimated voxel-wise inflammation fraction from masked PET. Both stages used a multiscale residual (MSR) convolutional backbone. Performance was compared with U-Net, Transformer U-Net, DUCK-Net, and iterative Yang partial-volume correction. Main results. In a two-alternative forced-choice study, five nuclear-medicine physicians identified real images with 54% accuracy (54/100; Wilson 95% CI 0.44-0.63; exact binomial p = 0.48). On 184 simulated test slices from five held-out patients, the proposed method achieved a weighted DSC of 0.79, compared with 0.73 for U-Net, 0.69 for Transformer U-Net, and 0.75 for DUCK-Net, with corresponding HD values of 1.85, 2.29, 2.32, and 2.23 voxels. Patient-cluster bootstrap comparisons favored the proposed method for DSC and HD against all three baselines (Holm-corrected p <= 0.031). Overall ENRMSE was 0.24 versus 0.59, 0.68, and 0.59 for the three DL baselines and 0.57 for iterative Yang. In seven patients, corrected SUV showed a positive association with MR-derived lipid-rich/necrotic core with hemorrhage. Significance. The proposed framework improved carotid PET segmentation and uptake quantification under simulated conditions. The patient analysis is preliminary and requires external validation with biological reference standards before clinical deployment.
• Abstract（参考訳）: 目的。 64Cu−CANF−comb PET上での頸動脈硬化性炎症の分画および取り込みの定量化を、部分体積および組織破壊効果を考慮に入れた自動的方法の開発。 アプローチ。 合成頸動脈PET画像と既知の分数体積基底像は, MRから得られた高分解能な活動マップとGATE Monte Carloシミュレーションを併用して生成し, PETの物理過程とBiograph mMRの獲得と再構築に適合した。 2段階のネットワークはまずT1強調MRから頸動脈壁を局在させ,その後,マスクPETからボクセルの炎症率を推定した。 どちらの段階もマルチスケール残留(MSR)畳み込みバックボーンを使用していた。 U-Net, Transformer U-Net, DUCK-Net, 反復Yang部分体積補正との比較を行った。 主な結果。 5人の核医学医が2段階の強制選択試験で54%の精度(54/100; Wilson 95% CI 0.44-0.63; exact binomial p = 0.48)で実像を同定した。 U-Netは0.73, Transformer U-Netは0.69, DUCK-Netは0.75, 対応するHD値は1.85, 2.29, 2.32, 2.23。 患者クラスタブートストラップの比較では,DSCとHDの3つの基準線(Holm-corrected p <= 0.031)に対する提案手法が好まれた。 ENRMSEは3つのDLベースラインで0.24対0.59、0.68、0.59、反復ヤンでは0.57であった。 7例でMR由来の脂質リッチ/壊死コアと出血との関連が認められた。 重要なこと。 提案フレームワークは, 模擬条件下での頸動脈PETセグメンテーションと取り込み定量化を改善した。 患者分析は予備的であり、臨床展開の前に生物学的基準による外部検証が必要である。

関連論文リスト

• 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)
• Bridging Modalities on the Cortex: Surface-based MRI to PET Translation with a Diffusion Bridge [42.06716029758852]
  Fluorodeoxy Positron Emission Tomography (FDG-PET) により測定された皮質低代謝は、認知症診断のための高感度バイオマーカーである。 本稿では,MRI-PET翻訳のための新しい表面拡散ブリッジフレームワークDB-SUiTを提案する。 条件付き球面型U字型視覚変換器(SUiT)は複雑な相互モーダル関係をモデル化するように設計されている。
  論文  参考訳（メタデータ） (2026-09-17T12:38:33Z)
• Efficient Transformer-Based Localized Patch Sampling for Choroid Plexus Segmentation in Multiple Sclerosis [26.831715552066694]
  両側心室脈絡膜叢 (LVCP) は, 身体障害と神経炎症に関連する多発性硬化症 (MS) の指標として認識されている。 本研究の目的は,スタンドアロンおよびマルチモーダルMRI入力からMS内のLVCPを自動的に分割するSwinUNETR駆動パイプラインを開発することである。
  論文  参考訳（メタデータ） (2026-06-02T12:32:43Z)
• The autoPET3 Challenge: Automated Lesion Segmentation in Whole-Body PET/CT $\unicode{x2013}$ Multitracer Multicenter Generalization [67.92281859568168]
  第3回オートPETチャレンジ(MICCAI 2024)の設計と成果を報告する。 全身PET/CTにおける自動病変分割を, 構成的一般化条件下でベンチマークした。 トップランクのアルゴリズムは平均DSCが0.66、FNVが3.18mL、FPVが2.78mLである。
  論文  参考訳（メタデータ） (2026-05-07T07:07:09Z)
• NodMAISI: Nodule-Oriented Medical AI for Synthetic Imaging [21.25110830915782]
  解剖学的に制約された結節指向CT合成および多ソースコホートを統一した拡張フレームワークであるNodMAISIを導入する。 6つの公開試験データセットの中で、NodMAISIはMAISI-v2(実合成FID範囲 1.18 対 2.99 対 1.69 対 5.21)に対する分布の忠実度を改善した。 NodMAISIはAUCを0.07から0.11に改善し、臨床データは20%で0.12から0.21に改善した。
  論文  参考訳（メタデータ） (2025-12-19T20:11:30Z)
• Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
  MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。 パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
  論文  参考訳（メタデータ） (2025-05-23T14:40:09Z)
• A new method of modeling the multi-stage decision-making process of CRT using machine learning with uncertainty quantification [8.540186345787244]
  本研究の目的は、心不全患者に対する心臓再同期療法(CRT)反応を予測するための多段階機械学習モデルを構築することである。
  論文  参考訳（メタデータ） (2023-09-15T14:18:53Z)
• Rapid quantification of COVID-19 pneumonia burden from computed tomography with convolutional LSTM networks [1.0072268949897432]
  新型肺炎における肺病変の迅速定量と分化のための新しい完全自動化ディープラーニングフレームワークを提案する。 SARS-CoV-2の陽性逆転写ポリメラーゼ連鎖反応試験結果を有する197例のCTデータセット上で,この方法の性能を評価した。
  論文  参考訳（メタデータ） (2021-03-31T22:09:14Z)
• Convolutional neural network based deep-learning architecture for intraprostatic tumour contouring on PSMA PET images in patients with primary prostate cancer [3.214308133129678]
  本研究の目的は,PSMA-PETにおけるGTVの自動分割のための畳み込みニューラルネットワーク(CNN)を開発することである。 CNNは, [68Ga]PSMA-PETと[18F]PSMA-PETを用いて, 2施設152症例の訓練を行った。
  論文  参考訳（メタデータ） (2020-08-07T14:32:14Z)

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。