論文の概要: An interpretable deep learning method for early hepatocellular carcinoma diagnosis on multiphase CT

• arxiv url: http://arxiv.org/abs/2610.29616v1
• Date: Wed, 21 Oct 2026 11:56:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.353062
• Title: An interpretable deep learning method for early hepatocellular carcinoma diagnosis on multiphase CT
• Title（参考訳）: 多相CTを用いた早期肝細胞癌診断のための解釈可能な深層学習法
• Abstract要約: Liver Imaging Reporting and Data System (LI-RADS) は、非侵襲的CT診断のための標準化されたフレームワークを提供する。 我々は,癌発生確率を推定するための解釈可能な人工知能であるdLI-RADSを開発した。 dLI-RADS と LI-RADS の病変レベルの精度を1万回の非偽陰性試験を用いて内部評価値と比較した。
• 参考スコア（独自算出の注目度）: 34.176598908366664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early diagnosis of hepatocellular carcinoma is critical to preserve access to curative treatment options. The Liver Imaging Reporting and Data System (LI-RADS) provides a standardized framework for non-invasive diagnosis on multiphase computed tomography, based on major visual imaging features. However, these features may be difficult to assess consistently, particularly in small liver lesions. We developed dLI-RADS, an interpretable artificial intelligence method designed to estimate the probability of hepatocellular carcinoma from multiphase computed tomography images of manually segmented liver lesions, while remaining aligned with LI-RADS-related imaging concepts. dLI-RADS combines neural network-derived predictions with handcrafted quantitative imaging measurements reflecting LI-RADS major features and integrates these inputs using logistic regression. In this multicenter retrospective study, patients with multiphase computed tomography and at least one liver lesion were included, while lesions larger than 40 mm were excluded. Histology served as the reference standard for hepatocellular carcinoma, and a composite reference standard was used for non-hepatocellular carcinoma lesions. The lesion-level accuracy of dLI-RADS and LI-RADS were compared on the internal evaluation set using 10,000-repetition bootstrap non-inferiority tests, with 5% margins and significance levels. On the external test set, sensitivities were similarly compared. dLI-RADS was non-inferior to LI-RADS for lesion-level accuracy in the internal evaluation set, achieving 80% accuracy compared with 74% for LI-RADS (p = 0.04)...
• Abstract（参考訳）: 肝細胞癌の早期診断は治療オプションの確保に不可欠である。 Liver Imaging Reporting and Data System (LI-RADS)は、多相CTにおける非侵襲的診断のための標準化されたフレームワークを提供する。 しかしこれらの特徴は、特に小肝病変において、一貫して評価することは困難である。 肝病変の多相CT像から肝細胞癌発生確率を推定する解析可能な人工知能であるdLI-RADSを開発したが,LI-RADS関連画像概念との整合性は保たれた。 dLI-RADSは、ニューラルネットワーク由来の予測とLI-RADSの主要な特徴を反映する手作りの定量的イメージング計測を組み合わせることで、ロジスティック回帰を用いてこれらの入力を統合する。 本研究は多段階CTと少なくとも1例の肝病変を併存し,40mm以上の病変は除外した。 病理組織学は肝細胞癌の基準基準となり,非肝細胞癌には複合基準が用いられた。 dLI-RADSとLI-RADSの病変レベルの精度を1万回のブートストラップ不妊検査で評価し,5%のマージンと有意な値を示した。 外部テストセットでも同様に感度が比較された。 dLI-RADSは内部評価セットの病変レベルの精度においてLI-RADSに非劣性であり, LI-RADSの74% (p = 0.04) と比較して80%の精度が得られた。

関連論文リスト

• AMPLIFAI: A Multiphase CT Dataset for Benchmarking Clinical Reasoning in LI-RADS Assessment of Liver Lesions [40.31338642013501]
  肝細胞癌 (HCC) は, 早期発見により生存率20%から70%に改善した。 標準肝イメージング報告・データシステム(LI-RADS)基準は、肝病変を評価するための画像ベースの診断フレームワークを提供する。 AMPLIFAIデータセットは、LI-RADSカテゴリ、病変サイズ、主要な3つのLI-RADS機能のためのボクセルレベルのセグメンテーションで注釈付けされた最初のパブリックデータセットである。
  論文  参考訳（メタデータ） (2026-08-14T17:59:54Z)
• One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
  EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。 われわれはこの枠組みを4つの稀な病理から検証した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
  論文  参考訳（メタデータ） (2025-12-30T15:07:09Z)
• Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
  コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
  論文  参考訳（メタデータ） (2025-11-30T12:45:02Z)
• 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)
• Guiding the classification of hepatocellular carcinoma on 3D CT-scans using deep and handcrafted radiological features [0.0]
  我々は,CT画像から組織学的に発現するHCCを自動予測し,放射線技師間の多様性を低下させる手法を提案する。 まず,問題となるデータベース上でCTスキャンからHCCを正確に予測できないことを示し,LI-RADSシステムにインスパイアされた2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2025-01-14T13:10:29Z)
• LIDIA: Precise Liver Tumor Diagnosis on Multi-Phase Contrast-Enhanced CT via Iterative Fusion and Asymmetric Contrastive Learning [26.628742010072756]
  LIDIAと命名された多相造影CTを用いたLIver腫瘍DIAgnosisネットワークを現実シナリオとして提案する。 症例は1,921例,8,138例であった。 LIDIAは8種類の病変に対して平均93.6%のAUCを達成し、その効果を実証している。
  論文  参考訳（メタデータ） (2024-07-18T07:00:23Z)
• A Cascaded Approach for ultraly High Performance Lesion Detection and False Positive Removal in Liver CT Scans [15.352636778576171]
  肝臓がんは世界中で高い死亡率と死亡率を持っている。 CT画像における肝病変の自動検出と分類は、臨床ワークフローを改善する可能性がある。 本研究では,多相CT画像のためのマルチオブジェクトラベリングツールをカスタマイズする。
  論文  参考訳（メタデータ） (2023-06-28T09:11:34Z)
• 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)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。