論文の概要: Toward Contrast-Free Breast MRI: Improving Cancer Detection With Virtual Contrast Enhanced Imaging

• arxiv url: http://arxiv.org/abs/2611.00140v1
• Date: Thu, 29 Oct 2026 18:54:18 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:37:04.268247
• Title: Toward Contrast-Free Breast MRI: Improving Cancer Detection With Virtual Contrast Enhanced Imaging
• Title（参考訳）: コントラストフリー乳房MRIに向けて:仮想コントラスト強調画像による癌検出の改善
• Abstract要約: がん検出のための非造影(NC)と仮想造影(VCE)のMRI予測を組み合わせたフレームワークを開発した。 得られたCE検査をNC+VCE経路で段階的に置き換える患者レベルのルーティングを評価した。 このシミュレーションは, CE画像の取得を約40%に制限しながら, 診断性能を大幅に維持できることを示唆している。
• 参考スコア（独自算出の注目度）: 3.4498936317355624
• License:
• Abstract: Although contrast-enhanced (CE) breast MRI is an important tool for cancer detection, intravenous gadolinium administration introduces additional considerations for patients and clinical workflows. AI based virtual contrast enhanced (VCE) MRI could help identify patients for whom acquired CE imaging may be avoidable without compromising diagnostic performance. We developed a framework that combines non contrast (NC) and VCE MRI predictions for cancer detection. On the held-out test set, cancer detection using NC MRI alone achieved an AUROC of 0.865. Combining the predictions from NC and VCE MRI improved AUROC to 0.901. Building on this complementary predictive value, we evaluated patient-level routing to progressively replace acquired CE examinations with the NC plus VCE pathway, prioritizing patients with the most confident NC predictions. This simulation suggests that diagnostic performance can be largely preserved while limiting acquired CE imaging to approximately 40% of patients. Together, these findings demonstrate the complementary value of VCE MRI and suggest its potential to support selective contrast use in breast cancer screening.
• Abstract（参考訳）: 造影(CE)乳房MRIは癌検出に重要なツールであるが,静脈内ガドリニウム投与は患者や臨床ワークフローにさらなる考察をもたらす。 AIベースの仮想コントラスト強調(VCE)MRIは、CE画像を取得する患者が診断性能を損なうことなく回避できる可能性があることを特定するのに役立つ。 非造影(NC)とVCE MRIを併用したがん検出フレームワークを開発した。 その結果, NC MRIによるがん検出は, AUROCが0.865であった。 NCとVCE MRIの予測はAUROCを0.901に改善した。 この相補的予測値に基づいて,得られたCE検査をNC+VCE経路で段階的に置き換える患者レベルのルーティングを評価し,最も確実なNC予測を優先した。 このシミュレーションは, CE画像の取得を約40%に制限しながら, 診断性能を大幅に維持できることを示唆している。 以上より,VCE MRIの相補的価値が示唆され,乳癌検診における選択的造影剤の有用性が示唆された。

関連論文リスト

• Evaluating ADC-only deep learning pipelines for breast cancer detection and segmentation using standalone diffusion-weighted MRI [0.7915536524413253]
  乳がんの検出・分節化における最先端の深層学習技術の応用について検討した。 これは、ADCのみの乳がんパイプラインの分類、検出、セグメンテーションタスクに対する総合的な評価としては初めてである。
  論文  参考訳（メタデータ） (2026-08-18T12:30:08Z)
• Comparing Conditional Diffusion Models for Synthesizing Contrast-Enhanced Breast MRI from Pre-Contrast Images [31.354231459573356]
  乳がんの診断と治療にはDCE(Dynamic contrast-enhanced)MRIが不可欠である。 しかし、コントラストエージェントへの依存は、安全性の懸念、禁忌、コストの増大、ワークフローの複雑さをもたらす。 DCE-MRIを合成するために,事前コントラスト条件付き拡散確率モデルを提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:24:55Z)
• Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities [61.36288157482697]
  米国では、前立腺がんが男性の死因としては2番目に多く、2024年には35,250人が死亡している。 本稿では,複数のMRIモダリティを組み合わせて深層学習モデルを訓練し,臨床的に有意な前立腺癌予測のためのモデルの信頼性を高めることを検討する。
  論文  参考訳（メタデータ） (2024-11-07T12:48:27Z)
• Simulating Dynamic Tumor Contrast Enhancement in Breast MRI using Conditional Generative Adversarial Networks [2.4634168876565177]
  乳房MRIにおける仮想コントラスト強調法を提案し,従来のコントラストエージェントを用いたDCE-MRIの取得に代えて,有望な非侵襲的代替手段を提供する。 条件付き生成逆数ネットワークを用いて、複数の対応するDCE-MRIタイムポイントの合同生成シーケンスを含むDCE-MRI画像を予測する。 提案手法は,現実的で有用なDCE-MRIシークエンスを生成する上で有望な結果を示し,乳がんの診断と治療を改善するための仮想コントラスト増強の可能性を強調した。
  論文  参考訳（メタデータ） (2024-09-27T16:08:52Z)
• Radiomics-guided Multimodal Self-attention Network for Predicting Pathological Complete Response in Breast MRI [3.6852491526879687]
  本研究では,ダイナミックコントラスト強調画像(DCE)とADCマップを用いた乳癌患者のpCR予測モデルを提案する。 本手法は, 腫瘍関連領域からの特徴抽出を誘導するために放射線を利用した自己注意機構を備えたエンコーダを用いて, DCE MRI と ADC から特徴抽出を行う。
  論文  参考訳（メタデータ） (2024-06-05T04:49:55Z)
• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)

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。