論文の概要: 3D Banff Glomerulitis Scoring for Kidney Transplant Pathology: Feasibility Study for Volumetric Quantification

• arxiv url: http://arxiv.org/abs/2611.05925v1
• Date: Wed, 04 Nov 2026 04:16:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.939723
• Title: 3D Banff Glomerulitis Scoring for Kidney Transplant Pathology: Feasibility Study for Volumetric Quantification
• Title（参考訳）: 腎移植術後の3Dバンフ糸球体炎 : 容積定量化の可能性
• Abstract要約: 腎臓移植生検における糸球体炎症の定量化は、伝統的にBanffの「最重区間」規則を用いて1つのスライディング区間で行われている。 この2Dベースの評価は、スライス毎に炎症が変化すると不安定になる可能性がある。 そこで本研究では, 連続断面を整列し, 深部における糸球体アイデンティティを再構築し, 炎症細胞数を3Dに集積する3Dバンフ病変スクリーニング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）: 17.03160921804902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantifying glomerular inflammation in kidney-transplant biopsies is traditionally performed on single whole-slide sections using the Banff "most-severe section" rule, despite the inherently three-dimensional nature of lesion distribution. This 2D based assessment might lead to instability when inflammation varies across slices. This paper reports a feasibility study examining the technical feasibility and clinical relevance of extending Banff scoring into three dimensions. To this end, we propose a 3D Banff lesion-scoring framework that aligns serial sections, reconstructs glomerular identities across depth, and integrates inflammatory-cell counts in 3D under three scoring strategies: Compatible, Volumetric, and Deduplicated Volumetric. In the experiments, glomerulitis (g-scores) was used as an example Banff metric and applied to multi-section renal allograft biopsies. Our findings indicate that 3D Banff g-scores are more consistent across sections and, under the semi-automatic setting, the Volumetric strategy correlates more strongly with clinical biomarkers than traditional 2D scores. These results show that 3D volumetric quantification offers promising added value, underscoring the potential benefit of 3D-aware Banff scoring for kidney transplant pathology.
• Abstract（参考訳）: 腎臓移植生検における糸球体炎症の定量化は、本質的に3次元的な病変分布の性質にもかかわらず、Banff "most-severe section" 則を用いて伝統的に1つのスライディング区間で行われている。 この2Dベースの評価は、スライス毎に炎症が変化すると不安定になる可能性がある。 本報告では,Banffスコアを3次元に延ばすことの技術的実現可能性と臨床的意義について検討した。 そこで本研究では, 連続断面を整列し, 糸球体アイデンティティを深度にわたって再構築し, 炎症細胞数を3次元に集積する3次元バンフ病変強調フレームワークを提案する。 実験では,Banff測定の例として糸球体炎(gスコア)を用い,多断面腎移植生検に応用した。 以上の結果から,3D Banff g-scoresはセクション間で一貫性が強く,半自動設定では従来の2Dスコアよりも臨床バイオマーカーとの相関が強いことが示唆された。 これらの結果から, 3Dボリューム定量化は, 腎移植病理における3D-aware Banffスコアの有用性を裏付ける有望な付加価値をもたらすことが示唆された。

関連論文リスト

• 3D Universal Lesion Detection and Tagging in CT with Self-Training [3.68620908362189]
  本研究では,3次元病変を検知し,身体部位に応じてタグ付けするための自己学習パイプラインを提案する。 私たちの知る限り、私たちは初めて3Dの病変を共同で検出し、身体のラベルに従ってタグ付けしました。
  論文  参考訳（メタデータ） (2025-04-07T15:50:27Z)
• Triage of 3D pathology data via 2.5D multiple-instance learning to guide pathologist assessments [7.735043623909641]
  本稿では,3次元生検において最もリスクの高い2Dスライスを自動的に識別する深層学習トリアージアプローチであるCARP3Dを提案する。 前立腺がんのリスク層化のために、CARP3Dは2Dセクションの独立解析に依存して、90.4%の曲線(AUC)の領域を達成している。
  論文  参考訳（メタデータ） (2024-06-11T08:42:07Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Deep Learning Framework for Spleen Volume Estimation from 2D Cross-sectional Views [3.8212870622288744]
  シングルビューまたはデュアルビュー2Dセグメンテーションから脾体積を測定するための変分オートエンコーダベースのフレームワークについて述べる。 我々の最良のモデルでは、単一のビューと双ビューのセグメンテーションで86.62%と92.58%の相対体積精度を達成した。
  論文  参考訳（メタデータ） (2023-08-15T20:58:42Z)
• Weakly Supervised AI for Efficient Analysis of 3D Pathology Samples [6.381153836752796]
  3次元組織画像処理のためのボリュームブロック解析(MAMBA)のためのModality-Agnostic Multiple Case Learningを提案する。 3Dブロックベースのアプローチでは、MAMBAは2Dの単一スライスによる予測よりも優れた受信特性曲線(AUC)の0.86と0.74の領域を達成している。 さらに, 組織体積が大きくなることで予後が向上し, サンプリングバイアスによるリスク予測のばらつきが軽減されることが示唆された。
  論文  参考訳（メタデータ） (2023-07-27T14:48:02Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Volumetric Medical Image Segmentation: A 3D Deep Coarse-to-fine Framework and Its Adversarial Examples [74.92488215859991]
  本稿では,これらの課題に効果的に取り組むために,新しい3Dベースの粗粒度フレームワークを提案する。 提案した3Dベースのフレームワークは、3つの軸すべてに沿ってリッチな空間情報を活用できるため、2Dよりも大きなマージンで優れている。 我々は,3つのデータセット,NIH膵データセット,JHMI膵データセット,JHMI病理嚢胞データセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-10-29T15:39:19Z)
• Deep Negative Volume Segmentation [60.44793799306154]
  対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。 我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。 顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
  論文  参考訳（メタデータ） (2020-06-22T16:55:23Z)

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。