Fugu-MT 論文翻訳(概要): When Slides Met Scans: Cross-Attention for Renal Cancer Prognosis

論文の概要: When Slides Met Scans: Cross-Attention for Renal Cancer Prognosis

arxiv url: http://arxiv.org/abs/2610.36364v1
Date: Mon, 26 Oct 2026 22:28:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-28 21:04:31.443839
Title: When Slides Met Scans: Cross-Attention for Renal Cancer Prognosis
Title（参考訳）: 腎癌予後のクロスアテンション
Abstract要約: 病理組織学およびCTは腎癌を補完する。凍結基礎モデルから得られた最大32個の腎臓中心CTトークンと16個の組織学プロトタイプの双方向的相互注意を通してこれらのモダリティを接続する。
参考スコア（独自算出の注目度）: 0.8594140167290097
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Histopathology and computed tomography (CT) provide complementary views of renal cancer. We connect these modalities through bidirectional cross-attention between 16 histology prototypes and up to 32 kidney-centered CT tokens from frozen foundation models. In 210 TCGA-KIRC patients with 46 disease-specific survival (DSS) events, 5-fold evaluation yielded a C-index of $0.760\pm0.081$ and 3-year AUROC of 0.773 (95\% CI 0.678--0.860), the highest averages among evaluated unimodal and fusion baselines. External testing in 180 CPTAC-CCRCC patients yielded DSS C-index of 0.629 with CT withheld. Attribution analysis linked predictions to image regions while exposing acquisition artifacts. These findings support further study of cross-scale fusion and independent multimodal validation.
Abstract（参考訳）: 病理組織学およびCTは腎癌を補完する。凍結基礎モデルから得られた最大32個の腎臓中心CTトークンと16個の組織学プロトタイプの双方向的相互注意を通してこれらのモダリティを接続する。 TCGA-KIRC患者210例において, C-indexは0.760\pm0.081$で, 3年AUROCは0.773(95\% CI 0.678--0.860)であり, 単潮線および核融合線の平均値が最も高かった。 CPTAC-CCRCC180例の外部検査ではDSS C-indexは0.629でCTは保持されなかった。属性分析による画像領域の予測と取得成果物の公開これらの知見は、クロススケール核融合と独立多モード検証のさらなる研究を支援する。

関連論文リスト

Cross-Modal Contrastive Learning from Histopathology and CT for Automated Renal Cell Carcinoma Grading [5.897995567859675]
RCC-Alignはクロスモーダルなコントラスト学習フレームワークである。非侵襲的なCTベースのccRCCグレード予測を改善するため, 病理組織学とCT(Computed Tomography)データを整列させる。
論文参考訳（メタデータ） (2026-09-22T18:16:40Z)
A cross-modal generative model for incomplete and degraded prostate MRI with multicentre clinical validation [48.14053205497089]
MSCNetは、入手できないコントラストを再構築し、劣化したコントラストを復元するためのシーケンス条件のクロスモーダル生成フレームワークである。画像の画質は、DWI, ADC, T2Wの既定不等式基準を満たしたが、T1Wは満たされなかった。
論文参考訳（メタデータ） (2026-08-17T08:11:25Z)
A Multi-Center Benchmark for Abdominal Disease Diagnosis and Report Generation from Non-Contrast CT [15.152662172359355]
腹部病変の鑑別には多核性造影CT(CECT)が広く用いられている。コントラスト誘発性腎症の固有のリスクを負い、取得負担を増大させ、放射線医の作業負荷に大きく貢献する。多臓器性腹部疾患の診断と自動放射線診断レポート作成のための新しいマルチセンターベンチマークを導入する。
論文参考訳（メタデータ） (2026-06-15T17:29:32Z)
TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
論文参考訳（メタデータ） (2026-05-15T19:23:35Z)
Uncovering Latent Pathological Signatures in Pulmonary CT via Cross-Window Knowledge Distillation [20.5639571288814]
学生エンコーダは,最も情報に富む窓で訓練された教師から,潜伏した臨床経験を学習するクロスウィンドウ知識蒸留フレームワークを提案する。クロスウインドウ蒸留は、監督的アプローチには見えない病理症状を内包し、マルチウインドウ肺CT解析のための一般的な解決策を提供する。
論文参考訳（メタデータ） (2026-05-12T03:40:38Z)
Robust Multicentre Detection and Classification of Colorectal Liver Metastases on CT: Application of Foundation Models [11.274035647041762]
我々は,CT上のCRLMの患者レベル分類と病変レベル検出のための基礎モデルに基づくAIパイプラインを開発した。 UMedPTは最高の成績を示し,分類用頭部と病変検出用FCOSベースの頭部を微調整した。
論文参考訳（メタデータ） (2026-01-12T14:35:29Z)
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)
Digital Contrast CT Pulmonary Angiography Synthesis from Non-contrast CT for Pulmonary Vascular Disease [11.57034839564871]
CTPA(CTd Tomography lung angiography)は肺血管疾患の診断基準である。ヨウ素化コントラスト剤への依存は、特に高リスク患者において、腎毒性やアレルギー反応などのリスクを引き起こす。本研究では,非コントラストCT(NCCT)スキャンからカスケード合成器を用いてDigital ContrastA(DCCTPA)を生成する手法を提案する。
論文参考訳（メタデータ） (2025-10-24T04:24:49Z)
Imaging-Based Mortality Prediction in Patients with Systemic Sclerosis [50.46938276133494]
全身性硬化症(SSc)における間質性肺疾患(ILD)の死因本研究は,放射能と深層学習を利用して死亡率を予測する,新しい大規模胸部CT解析フレームワークを提案する。
論文参考訳（メタデータ） (2025-09-27T23:46:57Z)
Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文参考訳（メタデータ） (2024-03-27T16:56:14Z)
COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文参考訳（メタデータ） (2020-09-08T15:49:55Z)

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。