論文の概要: Reinforcing intra-operative tumour localisation with weak supervision from pre-operative appearances

• arxiv url: http://arxiv.org/abs/2610.31253v1
• Date: Thu, 22 Oct 2026 13:33:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.386562
• Title: Reinforcing intra-operative tumour localisation with weak supervision from pre-operative appearances
• Title（参考訳）: 術中腫瘍局所化の再建 : 術前の観察が困難であった1例
• Abstract要約: 術中画像上の腫瘍視認性は手術ナビゲーションが複雑である。 術前MRI画像から得られた腫瘍像を移植し,術中CT像の局所化を導くことを提案する。
• 参考スコア（独自算出の注目度）: 1.181340205711013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Limited tumour visibility on intra-operative images complicates surgical navigation, including liver hepatocellular carcinoma (HCC) targeting on computed tomography (CT) imaging. This makes labelled datasets difficult to curate for deep learning, and transferring pre-operative delineations through registration remains challenging due to intra-operative deformation and lack of paired pre- and intra-operative data. We propose to transfer tumour appearances learned from pre-operative magnetic resonance (MR) images to guide localisation on intra-operative CT through weak supervision. A classifier is trained to classify tumour presence on pre-operative images. This is applied to windows on intra-operative images, and despite the domain gap, it assigns higher tumour-presence probabilities on average to tumour-containing windows. These weak cross-domain signals guide a reinforcement learning agent to localise tumours on intra-operative images. We compare direct transfer, few-shot adaptation and synthetic transfer (trained using unpaired MR and CT), which translates CT into synthetic MR before localisation. On an external HCC cohort, synthetic transfer outperformed other tested methods and CT-only baselines. Our framework enables cross-modality tumour localisation without paired MR-CT training images.
• Abstract（参考訳）: 術中画像上の限られた腫瘍視認性は肝細胞癌(HCC)を含む外科的ナビゲーションを複雑にし,CT(Computed tomography)像を標的とした。 これにより、ラベル付きデータセットが深層学習に役立てるのが難しくなり、術中変形と術中データの欠如により、登録による術前の延期が困難なままである。 我々は,術前MRI画像から得られた腫瘍の出現を,手術内CTの局所化を弱監督を通して導くことを提案する。 分類器は、術前画像上で腫瘍の存在を分類するために訓練される。 これは術中画像の窓に応用され, 領域差にもかかわらず, 腫瘍発生確率を平均して腫瘍を含む窓に割り当てる。 これらの弱いクロスドメイン信号は、強化学習剤が術中画像に腫瘍を局在させるのを誘導する。 局所化前のCTから合成MRへ変換する直接移動, 少数ショット適応, 合成移動(未ペアMRIおよびCTを用いた訓練)を比較した。 外部HCCコホートでは、合成トランスファーは他の試験方法やCTのみのベースラインよりも優れていた。 MR-CTトレーニング画像のペア化を伴わずに,異種腫瘍の局在化を可能にする。

関連論文リスト

• What neurosurgeons need to see: synthetic intra-operative MRI from ultrasound for brain-shift compensation in brain tumour surgery [0.0]
  本稿では,術前画像領域における新しい脳内MRIボリュームを生成するエンド・ツー・エンドパイプラインを提案する。 専門家のランドマークが215名ある14名の被験者において、合成アンコールされた登録は平均目標登録誤差を減らした。 これにより、手術領域のMRIライクな更新が提供され、手術ナビゲーションに統合される可能性がある。
  論文  参考訳（メタデータ） (2026-06-03T11:17:47Z)
• Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
  145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。 我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。 以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-08T17:47:35Z)
• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• Multimodal Learning With Intraoperative CBCT & Variably Aligned Preoperative CT Data To Improve Segmentation [0.21847754147782888]
  コーンビームCT(CBCT)はコンピュータ支援による介入を促進する重要なツールである。 劣化した画像品質は下流のセグメンテーションに影響を及ぼす可能性があるが、高品質の術前スキャンが利用可能であることは、改善の可能性を示唆している。 本稿では,CBCT と CT のほぼ一致したスキャンを融合させるマルチモーダル学習法を提案し,CBCT の品質と誤調整が最終的なセグメンテーション性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-06-17T15:31:54Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [45.62331048595689]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・ディベサール・ネットワーク(cGAN)アーキテクチャを用いて,ヒト・コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Live image-based neurosurgical guidance and roadmap generation using unsupervised embedding [53.992124594124896]
  本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。 生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。 166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
  論文  参考訳（メタデータ） (2023-03-31T12:52:24Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Synthetic CT Skull Generation for Transcranial MR Imaging-Guided Focused Ultrasound Interventions with Conditional Adversarial Networks [5.921808547303054]
  経頭蓋MRIガイド下集束超音波(TcMRgFUS)は頭蓋骨内の音をMRIガイド下において非侵襲的に小さな領域に集束する治療用超音波法である。 頭蓋骨を通して超音波を的確に標的にするためには、送信波が目標領域に建設的に干渉する必要がある。
  論文  参考訳（メタデータ） (2022-02-21T11:34:29Z)
• Unsupervised-learning-based method for chest MRI-CT transformation using structure constrained unsupervised generative attention networks [0.0]
  PET/MRIスキャナは、PETによる代謝情報の同時取得と、MRIを用いた形態情報の取得を容易にする。 PET/MRIは、ガンマ線減衰情報とMRIとの直接的関係がないため、MRIから減衰補正マップを生成する必要がある。 本稿では,非対位画像の変換が可能なGAN(Generative Adversarial Network)に,モダリティ非依存的近傍記述子(MIND)を用いた構造制約を加えることにより,人間のアノテーションを使わずに解剖学的構造変化を最小限に抑える手段を提案する。
  論文  参考訳（メタデータ） (2021-06-16T05:22:27Z)

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。