論文の概要: End-to-end prostate lesion segmentation and detection from undersampled diffusion-weighted MRI

• arxiv url: http://arxiv.org/abs/2610.33554v1
• Date: Sat, 24 Oct 2026 09:13:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.359391
• Title: End-to-end prostate lesion segmentation and detection from undersampled diffusion-weighted MRI
• Title（参考訳）: 拡散強調MRIによる終末前立腺病変の分節と検出
• Abstract要約: 複雑なマルチコイルDWIデータとコイル感度情報を用いて前立腺病変のセグメンテーションを行うエンド・ツー・エンドネットワークを提案する。 VarNet-Segは、6つの変分カスケードを持つk空間変分ネットワーク(VarNet)と、画像空間の3DセグメンテーションU-Netで構成されている。
• 参考スコア（独自算出の注目度）: 5.340074510669095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated prostate lesion detection from diffusion-weighted MR imaging (DWI) conventionally relies on reconstructed images and does not fully use all acquisition information. We present an end-to-end network that uses complex multicoil DWI data and coil sensitivity information for prostate lesion segmentation. We included 269 fastMRI prostate examinations with additional voxel-level lesion annotations. Of these, 64 examinations contained PIRADS 4 or 5 lesions. The proposed network, VarNet-Seg, consists of a k-space variational network (VarNet) with six variational cascades and an image-space 3D segmentation U-Net. Comparator models used the same segmentation architecture with fully coil-combined images (CC-Seg), fixed root-sum-of-squares reconstruction (RSS-Seg), or fixed SENSE reconstruction (SENSE-Seg). We performed ablations with end-to-end training and data consistency (DC) enabled or disabled. We evaluated lesion segmentation using Dice and patient-level detection using AUROC in five-fold cross-validation with full sampling, simulated undersampling, added noise, or both. VarNet-Seg achieved the highest Dice at every undersampling level. At eight-fold acceleration, Dice was 0.22 for VarNet-Seg, 0.14 for SENSE-Seg and 0.16 for VarNet-Seg (no DC). The paired difference from SENSE-Seg was 0.08 (95% CI, 0.04-0.11). With full sampling, VarNet-Seg and RSS-Seg performed similarly (0.40 vs 0.39). Patient-level AUROC decreased from 0.75 with full sampling to 0.63 at eight-fold acceleration; corresponding RSS-Seg AUROCs were 0.76 and 0.64. The proposed multicoil network improved prostate lesion segmentation under simulated undersampling compared to conventional models. Matched ablations supported contributions from both end-to-end training and data consistency. Prospective evaluation is needed to establish whether this approach can be used clinically in accelerated prostate DWI.
• Abstract（参考訳）: 拡散強調MRI(DWI)による前立腺病変の自動検出は、従来、再構成画像に依存しており、すべての取得情報を十分に利用していない。 複雑なマルチコイルDWIデータとコイル感度情報を用いて前立腺病変のセグメンテーションを行うエンド・ツー・エンドネットワークを提案する。 前立腺造影検査269例にVoxelレベルの病変を付加した。 そのうち64例はPIRADS 4例または5例であった。 提案するネットワークであるVarNet-Segは、6つの変分カスケードを持つk空間変分ネットワーク(VarNet)と、画像空間の3DセグメンテーションU-Netからなる。 コンパレータモデルは、完全コイル結合画像(CC-Seg)、固定ルートサム・オブ・スクエア再構成(RSS-Seg)、固定SENSE再構成(SENSE-Seg)と同一のセグメンテーションアーキテクチャを使用した。 エンドツーエンドのトレーニングとデータ一貫性(DC)を有効あるいは無効にすることで改善を行った。 Dice を用いた病変の分節と AUROC を用いた 5 倍のクロスバリデーション, 模擬アンダーサンプリング, 付加雑音, およびその両方を用いた患者レベルの検出について検討した。 VarNet-Segはすべてのアンダーサンプリングレベルで最高のDiceを達成した。 8倍加速時のDiceはVarNet-Segが0.22、SENSE-Segが0.14、VarNet-Segが0.16であった。 SENSE-Segとの対差は0.08(95% CI, 0.04-0.11)であった。 完全なサンプリングで、VarNet-SegとRSS-Segも同様に(0.40対0.39)。 患者レベルのAUROCは、全サンプリングで0.75から8倍加速で0.63に減少し、RSS-Seg AUROCは0.76と0.64であった。 提案したマルチコイルネットワークは, 前立腺病変のセグメンテーションを従来のモデルと比較したシミュレーションアンダーサンプリングにより改善した。 Matched Ablationsは、エンドツーエンドのトレーニングとデータの一貫性の両方からのコントリビューションをサポートする。 前立腺機能亢進症(DWI)の早期治療に本手法が有効であるかどうかを,前向きに評価する必要がある。

関連論文リスト

• Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
  SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。 SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
  論文  参考訳（メタデータ） (2026-09-16T15:34:21Z)
• Automated Prostate Gland Segmentation in MRI Using nnU-Net [0.14777718769290524]
  本稿では, nnUNet v2 フレームワークを用いた前立腺自動分節のためのディープラーニングに基づく専用アプローチを提案する。 提案したモデルでは、クロスバリデーションでは平均Diceスコアが0.96+/-0.00、外部テストセットでは0.82となり、ドメインシフトにもかかわらず強い一般化が示された。
  論文  参考訳（メタデータ） (2026-04-02T12:28:03Z)
• Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging [55.62977326180104]
  前立腺癌病変の分節化に対する近年の深層学習アプローチは,限られた性能を達成している。 本稿では,標準拡散型プロトコルの拡張として,合成相関拡散イメージング(CDI$s$)について検討する。 以上の結果から,PCa病変セグメント化タスクの実践的ドロップイン強化として,CDI$s$に対する検証済み統合経路が確立された。
  論文  参考訳（メタデータ） (2025-11-11T04:16:12Z)
• Automated Radiographic Total Sharp Score (ARTSS) in Rheumatoid Arthritis: A Solution to Reduce Inter-Intra Reader Variation and Enhancing Clinical Practice [3.8516555293145345]
  本研究では、深層学習を利用して全手X線画像を解析する自動放射線シャープ符号化フレームワークを提案する。 I) ResNet50, II) UNet.3, III) YOLOv7, IV) VGG16, VGG19, ResNet50, DenseNet201, EfficientNetB0, Vision Transformer (ViT) などのモデルを用いた手指分割による手指識別
  論文  参考訳（メタデータ） (2025-09-08T16:21:45Z)
• A Comprehensive Framework for Automated Segmentation of Perivascular Spaces in Brain MRI with the nnU-Net [37.179674347248266]
  神経変性疾患では、PVS(perivascular space)の増大が一般的である。 現在不足している信頼性の高いPVS検出方法が必要である。
  論文  参考訳（メタデータ） (2024-11-29T09:19:57Z)
• TotalSegmentator MRI: Robust Sequence-independent Segmentation of Multiple Anatomic Structures in MRI [59.86827659781022]
  nnU-Netモデル(TotalSegmentator)をMRIおよび80原子構造で訓練した。 予測されたセグメンテーションと専門家基準セグメンテーションとの間には,ディススコアが算出され,モデル性能が評価された。 オープンソースで使いやすいモデルは、80構造の自動的で堅牢なセグメンテーションを可能にする。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: clinical insights, pitfalls, and observer agreement analyses [0.9958347059366389]
  本研究はPET/CT画像からの自動リンパ腫分離における重要なギャップに対処する。 深層学習は悪性リンパ腫の病巣分類に応用されているが, アウト・オブ・ディストリビューション検査を取り入れた研究はほとんどない。 高い代謝活性を有する大強度病変に対して,ネットワークがより優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-11-16T06:58:46Z)
• Cross-Shaped Windows Transformer with Self-supervised Pretraining for Clinically Significant Prostate Cancer Detection in Bi-parametric MRI [6.930082824262643]
  前立腺癌 (bpMRI) における臨床的に重要な前立腺癌 (csPCa) を検出するために, CSwin 変圧器 UNet モデル (CSwin 変圧器 UNet モデル) を導入した。 1500人の患者を対象とした大規模前立腺bpMRIデータセットを用いて、まずマルチタスク自己教師型学習を用いてCSwin変換器を事前訓練し、データ効率とネットワークの一般化性を向上させる。 5倍のクロスバリデーションは、自己教師型CSwin UNetが0.888 AUCと0.545 Average Precision(AP)を達成し、4つの同等モデル(Swin U)を著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2023-04-30T04:40:32Z)
• Semantic segmentation of surgical hyperspectral images under geometric domain shifts [69.91792194237212]
  本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。 有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。 提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
  論文  参考訳（メタデータ） (2023-03-20T09:50:07Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。