論文の概要: DuoPIC: Uncertainty-Aware Voxel-Level Digital Twins of Cerebral Perfusion with Transport PDEs in Acute Stroke

• arxiv url: http://arxiv.org/abs/2610.33071v1
• Date: Tue, 20 Oct 2026 19:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.238302
• Title: DuoPIC: Uncertainty-Aware Voxel-Level Digital Twins of Cerebral Perfusion with Transport PDEs in Acute Stroke
• Title（参考訳）: DuoPIC : 急性脳卒中急性期における脳血流量の不確かさを自覚するVoxel-Levelデジタル双生児
• Abstract要約: 脳血流のデジタル双生児は、脳血流量(CBF)、血液量(CBV)、平均移動時間(MTT)にトレーサーダイナミクスを関連づける 我々は、参照マップを必要としないデジタルツインであるDuoPICを紹介し、そこでは、Windkesselフローモデルがトレーサー輸送偏微分方程式(PDE)を駆動する。 集団レベルのニューラルクロージャは、各領域を、建設によって保存されるトレーサー質量とMTTで、高速かつ遅い経路に分割する。
• 参考スコア（独自算出の注目度）: 4.559982472762969
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital twins of cerebral perfusion relate tracer dynamics to cerebral blood flow (CBF), blood volume (CBV) and mean transit time (MTT), but must be data-driven, physically consistent and uncertainty-aware. We introduce DuoPIC, a digital twin that needs no reference maps, in which a Windkessel flow model drives a tracer transport partial differential equation (PDE). A population-level neural closure divides each region into fast and slow pathways with tracer mass and MTT conserved by construction, and a tempered posterior quantifies the uncertainty of every estimate. Its voxel maps set the state of the art for lesion detection on ISLES'17 MR (AUC 0.745) and ISLES'24 CT (0.743). On held-out patients, the neural PDE reduced the compartment's reconstruction error by 19% and lifted 95% MTT interval coverage from 88% to 94%. Code: https://github.com/detinatran/duopic
• Abstract（参考訳）: 脳灌流のデジタル双生児は、トレーサーダイナミクスを脳血流(CBF)、血液量(CBV)、平均通過時間(MTT)に関連付けるが、データ駆動、物理的に整合性、不確実性を認識しなければならない。 本稿では、参照マップを必要としないデジタルツインであるDuoPICを紹介し、そこでは、Windkesselフローモデルがトレーサー輸送偏微分方程式(PDE)を駆動する。 集団レベルのニューラルクロージャは、各領域を、建設によって保存されるトレーサー質量とMTTで、高速かつ遅い経路に分割する。 ボクセルマップはISLES'17 MR (AUC 0.745) と ISLES'24 CT (0.743) に病変検出の最先端を設定した。 神経性PDEでは再建誤差を19%減らし,95% MTT間隔を88%から94%に引き上げた。 コード:https://github.com/detinatran/duopic

関連論文リスト

• In Defense of OCTA: The Reconstruction-Utility Gap in OCT-to-OCTA Synthesis [35.18016233072556]
  光コヒーレンストモグラフィー(OCTA)は、網膜血流を画像化し、糖尿病網膜症虚血をグレードする毛細血管灌流と卵胞-血管-ゾーンバイオマーカーを提供する。 最近の研究はOCTから合成し、強い再構成(3D PSNR > 31 dB, SSIM > 0.9)を報告している。 合成画像が類似しているかどうかを問うとともに,OCTAが取得した測定値をサポートするかどうかを問う。
  論文  参考訳（メタデータ） (2026-08-16T08:45:34Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• AI-driven software for automated quantification of skeletal metastases and treatment response evaluation using Whole-Body Diffusion-Weighted MRI (WB-DWI) in Advanced Prostate Cancer [0.27141618085306923]
  全Body Diffusion-Weighted MRI (WB-DWI) はTDV (Ttal Diffusion Volume) とgADC (Global Apparent Diffusion Coefficient) の2つの応答バイオマーカーを提供する 手指脱線病変からのTDVおよびgADCの術後変化の追跡は困難であり、読取者間の変動が増大する。 このプロセスを自動化するためのソフトウェアを開発した。核となる技術は、(i)骨を分離するための骨格確率マップを生成する弱教師付き残留U-Netモデル、(ii)WB-DWI強度正規化のための統計フレームワーク、(iii)出力を処理する浅い畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2025-05-13T22:57:49Z)
• Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.76736949127792]
  我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。 上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
  論文  参考訳（メタデータ） (2024-05-16T03:23:57Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• Multi-input segmentation of damaged brain in acute ischemic stroke patients using slow fusion with skip connection [1.372466817835681]
  急性虚血性脳梗塞患者における2つの虚血領域(コアとペナムブラ)を自動分割する方法を提案する。 我々のモデルは、マルチインプットと遅い融合を伴う畳み込み・デコンボリューションのボトルネック構造に基づいている。 提案したアーキテクチャは、神経放射線学者が注釈付けした地上の真実に匹敵する効果的な性能と結果を示す。
  論文  参考訳（メタデータ） (2022-03-18T16:26:53Z)
• Deep Sequential Learning for Cervical Spine Fracture Detection on Computed Tomography Imaging [20.051649556262216]
  CT 軸方向画像における頚椎骨折の自動検出のための双方向長期記憶(BLSTM)層を用いた深部畳み込みニューラルネットワーク(DCNN)を提案する。 我々は,3,666個のCTスキャン(陽性729例,陰性2,937例)の注釈付きデータセットを用いて,モデルをトレーニングし,検証した。 検証結果から, 正の104例と負の104例と負の104例と負の104例と負の419例とで, 70.92%, 79.18%の分類精度を示した。
  論文  参考訳（メタデータ） (2020-10-26T04:36:29Z)
• autoTICI: Automatic Brain Tissue Reperfusion Scoring on 2D DSA Images of Acute Ischemic Stroke Patients [7.239126951855493]
  脳梗塞の血栓溶解は急性期脳梗塞再灌流療法における重要な指標である。 既存のTICIスコアは、視覚検査に基づいて粗い順序付けで定義され、サーバ間およびサーバ内変動を引き起こす。 本稿では,自動的かつ定量的なTICIスコアリング手法であるAutoTICIを提案する。
  論文  参考訳（メタデータ） (2020-10-03T22:06:55Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)
• Deep Learning Estimation of Multi-Tissue Constrained Spherical Deconvolution with Limited Single Shell DW-MRI [2.903217519429591]
  深層学習は、第8次制約付き球面デコンボリューション(CSD)によって得られた情報内容を推定するために用いられる。 2つのネットワークアーキテクチャについて検討する: 中央に残留ブロックを持つ完全連結層からなる逐次ネットワーク(ResDNN)と、残ブロックを持つパッチベースの畳み込みニューラルネットワーク(ResCNN)。 繊維配向分布関数 (fODF) はマルチシェルDW-MRIの取得から得られたMT-CSTの基底的真実と比較して高い相関で復元できる。
  論文  参考訳（メタデータ） (2020-02-20T15:59:03Z)

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。