論文の概要: OpenMAP-HIE: Pathology Informed Score-based Diffusion Model for Unsupervised Neonatal Hypoxic-Ischemic Encephalopathy Lesion Segmentation
- arxiv url: http://arxiv.org/abs/2610.29322v1
- Date: Wed, 21 Oct 2026 07:22:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.271235
- Title: OpenMAP-HIE: Pathology Informed Score-based Diffusion Model for Unsupervised Neonatal Hypoxic-Ischemic Encephalopathy Lesion Segmentation
- Title（参考訳）: OpenMAP-HIE : 新生児低酸素性虚血性脳症病変の非教師的治療におけるスコアベース拡散モデル
- Abstract要約: 病的インフォームドスコアベース拡散モデルOpenMAP-HIEを提案する。
このフレームワークをBONBID-HIEデータセットで評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate localization of neonatal hypoxic--ischemic encephalopathy (HIE) lesions on apparent diffusion coefficient (ADC) images is clinically important but is limited by scarce expert annotations and substantial variation in lesion appearance. We propose OpenMAP-HIE, a pathology-informed score-based diffusion model for unsupervised HIE lesion localization without voxel-wise lesion supervision. A denoising diffusion model learns the healthy neonatal ADC distribution, while a ControlNet-based conditional branch preserves patient-specific anatomy. At inference, anomaly evidence is derived directly from differences between conditional and unconditioned noise predictions at independently evaluated diffusion noise levels, avoiding dependence on a final pseudo-healthy reconstruction or sequential reverse-diffusion chain. Based on the characteristic ADC reduction associated with acute HIE, only discrepancies consistent with the expected pathological direction are retained and aggregated across noise levels using a geometric mean. Spatial mean filtering further suppresses isolated responses. The framework was evaluated on the BONBID-HIE dataset. The ADC-only method achieved a Dice score of $0.283\pm0.244$, average precision of $0.505$, Hausdorff distance of $25.45\pm15.63$ mm, mean average surface distance of $9.40\pm8.49$ mm, and normalized surface distance of $0.355\pm0.236$, providing the best overlap and surface-distance performance among the evaluated unsupervised methods and Dice performance comparable to supervised ADC-only models. Optional population-derived ADC $Z$-map refinement further increased Dice to $0.602\pm0.269$. These findings support pathology-informed score discrepancies as a useful signal for neonatal HIE lesion localization, while highlighting remaining challenges in detecting small and low-contrast lesions.
- Abstract（参考訳）: 視差係数(ADC)画像上における新生児低酸素-虚血性脳症(HIE)病変の正確な局在は臨床的に重要であるが,専門的注釈が乏しいことや病変の出現のかなりの変化によって制限される。
病的インフォームドスコアベース拡散モデルであるOpenMAP-HIEを提案する。
妄想拡散モデルでは、健康な新生児のADC分布を学習し、コントロールネットベースの条件分岐では、患者固有の解剖学が保存される。
推測において、異常な証拠は、独立に評価された拡散雑音レベルにおける条件付きノイズ予測と無条件ノイズ予測の相違から直接導き出され、最終的な擬似健全な再構成や逐次逆拡散連鎖への依存を避ける。
急性HIEに付随するADC特性の低下に基づき, 予測された病態方向と一致した相違点のみを, 幾何平均を用いて, 騒音レベルにわたって保持, 集約する。
空間平均フィルタリングは、さらに孤立した応答を抑制する。
このフレームワークをBONBID-HIEデータセットで評価した。
ADCのみの手法はDiceスコアが0.283\pm0.244$、平均精度が0.505$、ハウスドルフ距離が25.45\pm15.63$ mm、平均表面距離が9.40\pm8.49$ mm、正規化表面距離が0.355\pm0.236$を達成した。
任意の人口由来のATC$Z$-mapの改良により、Diceはさらに0.602\pm0.269$に増加した。
これらの所見は, 乳児期HIE病変の局在に有用な信号として, 病変の小型・低コントラスト検出の課題を浮き彫りにした。
関連論文リスト
- Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。
本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。
本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
論文 参考訳（メタデータ） (2026-10-02T20:36:22Z) - 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) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics [8.812266680285369]
標準血管造影から冠血流量を直接推定するための非診断・不確実性認識フレームワークを提案する。
このシステムは、コントラスト輸送の第一原理モデルから冠血流を推定するために、物理インフォームドニューラルネットワークと変分推論を統合している。
パイプラインは、患者1人あたり約3分で、1つのGPU上で動作し、人口レベルのトレーニングは行わない。
論文 参考訳（メタデータ） (2026-01-23T21:47:23Z) - Localizing Anomalies via Multiscale Score Matching Analysis [13.898576482792173]
本稿では,脳MRIにおける異常局所化のための新しい教師なし手法であるSpatial-MSMAを紹介する。
パッチ位置とグローバル画像の特徴を条件としたフレキシブルな正規化フローモデルを用いて、パッチワイド異常スコアを推定する。
この方法は、通常発達している幼児の1,650T1およびT2重み付き脳MRIのデータセットで評価される。
論文 参考訳（メタデータ） (2024-06-28T17:57:12Z) - Diffusion Models with Implicit Guidance for Medical Anomaly Detection [13.161402789616004]
組織再生のための時間的調和 (THOR) は, 病態の影響を受けない領域における健全な組織の整合性を維持することを目的としている。
相対的な評価では、THORは、脳MRIと手首X線における異常の検出とセグメンテーションにおいて、既存の拡散に基づく手法を超越している。
論文 参考訳（メタデータ） (2024-03-13T12:26:55Z) - Improving Diffusion Models for ECG Imputation with an Augmented Template
Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。
近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。
本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文 参考訳（メタデータ） (2023-10-24T11:34:15Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact
Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。
本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。
提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文 参考訳（メタデータ） (2022-01-31T14:27:35Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z)
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。