論文の概要: Multimodal Prompt Learning with Dual-Granularity Contrastive Alignment for Preoperative Prediction of Lung Adenocarcinoma Invasiveness Using 3D CT
- arxiv url: http://arxiv.org/abs/2611.03109v1
- Date: Mon, 02 Nov 2026 13:28:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 13:17:32.481494
- Title: Multimodal Prompt Learning with Dual-Granularity Contrastive Alignment for Preoperative Prediction of Lung Adenocarcinoma Invasiveness Using 3D CT
- Title(参考訳): 3次元CTによる肺腺癌浸潤の術前予測のためのDual-Granularity Contrastive Asignmentを用いたマルチモーダルプロンプト学習
- Abstract要約: 術前の肺腺癌の浸潤予測は,手術計画や個別治療において重要である。
3次元CTによるIDA分類のための2次元粒度画像テキストアライメントを用いたマルチモーダル・プロンプト学習フレームワークを提案する。
- 参考スコア(独自算出の注目度): 14.105815864769271
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate preoperative prediction of lung adenocarcinoma invasiveness is important for surgical planning and individualized treatment. However, overlapping CT appearances make it challenging to distinguish invasive adenocarcinoma (IAD) from Pre-IAD lesions. We propose a multimodal prompt-learning framework with dual-granularity image-text alignment for 3D CT-based IAD classification. A 3D ResNet-CBAM encoder extracts global and spatial visual features. A frozen RadBERT backbone is adapted with separate learnable prompts for report-level and keyword-level text encoding. These prompts are initialized using semantic representations derived from real-world clinical reports. Global contrastive alignment connects whole-volume CT representations with reports generated from clinician-annotated radiological attributes to provide overall semantic supervision. A multiple instance learning-based local alignment module associates spatial CT features with vascular-focused radiological keywords, to capture local imaging characteristics potentially associated with tumor invasion. The framework jointly optimizes classification and alignment objectives, while inference requires only CT images. Experiments included 1,593 pathologically confirmed nodules. On the test set, the proposed method achieved an accuracy of 87.92%, F1-score of 87.78%, and AUC of 0.9499. Its AUC significantly exceeded that of the image-only Res-CBAM baseline with the same visual backbone (0.9297; DeLong test, p = 0.0078). Ablation analyses supported the complementary contributions of global and local alignment and the benefit of report-based prompt initialization. Qualitative visualizations showed activation within nodules and adjacent vascular structures. These findings suggest that dual-granularity radiological supervision can enhance CT-based invasiveness prediction while preserving a CT-only inference workflow.
- Abstract(参考訳): 肺腺癌浸潤の正確な術前予測は,手術計画と個別治療において重要である。
しかし, 重複したCT像は, 浸潤性腺癌 (IAD) と前IAD病変の鑑別が困難である。
3次元CTによるIDA分類のための2次元粒度画像テキストアライメントを用いたマルチモーダル・プロンプト学習フレームワークを提案する。
3D ResNet-CBAMエンコーダは、大域的および空間的視覚的特徴を抽出する。
フリーズされたRadBERTバックボーンは、レポートレベルとキーワードレベルのテキストエンコーディングのために、個別に学習可能なプロンプトで適応される。
これらのプロンプトは、実世界の臨床報告から派生した意味表現を用いて初期化される。
グローバルコントラストアライメントは、全容積CT表現と、臨床医が注釈付けした放射線学的属性から生成されたレポートを結びつけて、全体的な意味的監督を提供する。
マルチインスタンス学習に基づく局所アライメントモジュールは、空間CTの特徴と血管に焦点を当てた放射線学的キーワードを関連付け、腫瘍浸潤に関連する可能性のある局所イメージング特性をキャプチャする。
このフレームワークは、分類とアライメントの目的を共同で最適化し、推論はCT画像のみを必要とする。
病理組織学的に確認された結節は1,593例であった。
テストセットでは、提案手法は精度87.92%、F1スコア87.78%、AUC0.9499に達した。
AUCは画像のみのRes-CBAMベースラインと同一の視覚バックボーン(0.9297; DeLong test, p = 0.0078)を大きく上回った。
アブレーション分析は、グローバルアライメントとローカルアライメントの補完的な貢献と、レポートベースの即時初期化の恩恵を支持した。
質的可視化では結節内および隣接する血管構造が活性化した。
以上の結果から,CTのみの推論ワークフローを維持しつつ,CTによる侵襲性予測を高めることが示唆された。
関連論文リスト
- Fine-Grained Vision-Language Pretraining with Organ-Conditioned Pattern Tokens for CT Understanding [2.9220076568786335]
OCP-CTは、CTビジョン言語事前学習のための臓器条件付きパターントキンアライメントフレームワークである。
安定したグローバルCTレポートのコントラストブランチを保持し、臓器パターンインターフェースを導入している。
公開されているCT-RATEとRAD-ChestCTのベンチマークでは、OCP-CTは平均84.5%と69.9%のAUROCをゼロショット異常診断で達成している。
論文 参考訳(メタデータ) (2026-07-15T14:36:43Z) - Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。
3つの主要なコンポーネントを特徴とするフレームワークを提案する。
診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
論文 参考訳(メタデータ) (2026-06-24T08:24:45Z) - Representation geometry shapes task performance in vision-language modeling for CT enterography [1.1999555634662633]
腹部CT検査における視覚言語変換学習の初回研究について報告する。
スライスを埋め込むことで 分類学的疾患の評価が向上します
組織ごとのコントラストは、より広い空間カバレッジよりも重要である。
論文 参考訳(メタデータ) (2026-04-14T17:56:23Z) - 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) - PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。
我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。
まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。
第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
論文 参考訳(メタデータ) (2026-04-01T15:57:18Z) - Organ-Aware Attention Improves CT Triage and Classification [0.7901846308308808]
市販のビジョン言語モデルは、3D解剖、プロトコルシフト、ノイズの多いレポート管理に苦しむ。
本研究は,CT-RATEとRADCHEST-CTの2つの胸部CTデータセットを用いた。
本稿では,Organ-Masked AttentionとOrgan-Scalar Fusionを組み合わせたエンコーダに依存しない臓器認識ヘッドORACLE-CTを提案する。
論文 参考訳(メタデータ) (2026-01-19T20:37:45Z) - A Clinically-Grounded Two-Stage Framework for Renal CT Report Generation [4.408787333571913]
本稿では,自動腎CTレポート作成のための枠組みを提案する。
ステージ1では、マルチタスク学習モデルが、各2次元画像から構造化された臨床特徴を検出する。
ステージ2では、視覚言語モデルが画像と検出された特徴に条件付けされた自由テキストレポートを生成する。
論文 参考訳(メタデータ) (2025-06-30T07:45:02Z) - CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios [53.94122089629544]
我々は,CT-GLIP(Grounded Language- Image Pretraining with CT scans)を導入する。
本手法は,104臓器にわたる17,702症例を対象に,44,011例の臓器レベルの視覚テキストペアからなるマルチモーダルCTデータセットを用いて訓練し,自然言語を用いて臓器と異常をゼロショットで識別できることを実証した。
論文 参考訳(メタデータ) (2024-04-23T17:59:01Z) - CACTUSS: Common Anatomical CT-US Space for US examinations [36.45569352490318]
腹部大動脈瘤(英: Abdominal aortic aneurysm, AAA)は、大動脈の一部が拡大し、その壁を弱め、血管を破裂させる血管疾患である。
近年の腹部CTデータセットは, 深部神経回路の訓練に有効である。
CACTUSSはCTとUSモダリティの間の仮想ブリッジとして機能し、自動AAAスクリーニングソノグラフィーを可能にする。
論文 参考訳(メタデータ) (2022-07-18T14:05:25Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳(メタデータ) (2020-05-08T03:16:15Z)
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。