論文の概要: Interpretable Multimodal MRI-Clinical Fusion for Functional Outcome Prediction After Acute Ischemic Stroke

• arxiv url: http://arxiv.org/abs/2611.08154v1
• Date: Thu, 05 Nov 2026 15:14:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.558668
• Title: Interpretable Multimodal MRI-Clinical Fusion for Functional Outcome Prediction After Acute Ischemic Stroke
• Title（参考訳）: 急性虚血性脳卒中後の機能的アウトカム予測のためのMRI-Clinical Fusionの解釈
• Abstract要約: 本研究は,脳卒中後の3カ月後の機能予後を予測するために,デイワンマルチモーダルMRIの付加的予後評価を行った。 FLAIR-clinical fusion は, マルチモーダル構成中, 平均クロスバリデーション性能を達成した。 完全 ADC-DWI-FLAIR 核融合は, 単一モダリティの臨床融合より一貫して優れていなかった。
• 参考スコア（独自算出の注目度）: 2.29894063988386
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study evaluates the added prognostic value of day-1 multimodal MRI for predicting three-month functional outcome after acute ischemic stroke (AIS). Sixty-six AIS patients with ADC, DWI, FLAIR, and clinical data were analyzed. Three-dimensional pretrained ResNet embeddings were extracted from each MRI modality, reduced using fold-isolated principal component analysis, and combined with structured clinical variables and ADC-derived lesion biomarkers. Linear support vector machines were evaluated using eight-fold stratified group cross-validation across MRI modality combinations. Clinical-only modeling achieved strong performance (AUC = $0.899 \pm 0.151$), while MRI-only models showed limited discrimination (AUC $\approx$ $0.67$-$0.73$). Among multimodal configurations, FLAIR-clinical fusion achieved the highest mean cross-validated performance (AUC = $0.948 \pm 0.061$), followed by ADC-clinical fusion (AUC = $0.941 \pm 0.094$). Full ADC-DWI-FLAIR fusion did not consistently outperform single-modality clinical fusion. Feature-importance analysis identified age, NIHSS subscores, ADC lesion burden, and learned FLAIR representations as key contributors, while qualitative FLAIR activation maps showed responses over lesion-like regions. These findings suggest that compact day-1 FLAIR and ADC representations provide complementary prognostic information beyond clinical variables and support interpretable, data-efficient outcome prediction in AIS.
• Abstract（参考訳）: 本研究は急性虚血性脳卒中(AIS)後の3カ月後の機能予後を予測するために,Day-1 Multimodal MRIを付加した予後値について検討した。 ADC, DWI, FLAIR, 臨床データを解析した。 3次元プレトレーニングされた ResNet 埋め込みをMRI のそれぞれのモードから抽出し,フォールドアイソレーションによる主成分分析を応用し,構造化された臨床変数とADC 由来病変バイオマーカーを併用した。 線形支持ベクトルマシンはMRIのモータリティの組み合わせをまたいだ8重層化群クロスバリデーションを用いて評価した。 臨床のみのモデリングは強い性能(AUC = $0.899 \pm 0.151$)を達成し、MRIのみのモデルは限定的な差別(AUC $\approx$$0.67$-0.73$)を示した。 AUC = $0.948 \pm 0.061$, ADC-clinical fusion (AUC = $0.941 \pm 0.094$)。 完全 ADC-DWI-FLAIR 核融合は, 単一モダリティの臨床融合より一貫して優れていなかった。 特徴重要度分析では, 年齢, NIHSS サブスコア, ADC 病変の負担, FLAIR 表現の学習が重要因子であり, 質的FLAIR アクティベーションマップでは病変様部位に対する反応が認められた。 以上の結果から,1日目のFLAIRおよびADC表現は臨床変数を超えた相補的予後情報を提供し,AISの解釈・データ効率の予測を支援することが示唆された。

関連論文リスト

• Hierarchical MoE for Multi-Modal ILD Diagnosis [33.57244100206671]
  間質性肺疾患(ILD)分類のための階層型マルチモーダルMOEを報告する。 ゲートは、患者固有の重量をイメージングとEHR予測に割り当てる。 サブゲーティングモジュールは、ERH分岐を臨床的に定義された特徴群に分解する。
  論文  参考訳（メタデータ） (2026-08-26T00:53:55Z)
• AT-Attn: Temporal-Aware Cross-Attention for Longitudinal Multimodal Alzheimer's Disease Diagnosis [9.26430087315053]
  縦断的アルツハイマー病(AD)診断支援では,不定期訪問時に臨床および画像情報が収集されることが多い。 本稿では, 経時的マルチモーダルフレームワークであるAT-Attnを提案する。
  論文  参考訳（メタデータ） (2026-07-08T07:25:56Z)
• Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting [0.48435958653031097]
  女性RHINO: (R)eproductive (H)ealth (I)maging A(N)alysis T(O)ol, a real-time AI-assisted framework for automated quantitative uterine MRI analysis and structured reporting during image acquisition。
  論文  参考訳（メタデータ） (2026-06-23T10:22:25Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Comparing Baseline and Day-1 Diffusion MRI Using Multimodal Deep Embeddings for Stroke Outcome Prediction [2.454418912331811]
  早期治療後拡散MRIは前処置画像より予後に優れている。 MRI, 臨床, 病変量の組み合わせは, 3カ月間の機能的成果を予測するための頑健で解釈可能な枠組みである。
  論文  参考訳（メタデータ） (2025-12-01T13:56:44Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• From Promise to Practical Reality: Transforming Diffusion MRI Analysis with Fast Deep Learning Enhancement [35.368152968098194]
  FastFOD-Netは、FODを優れたパフォーマンスで強化し、臨床使用のためのトレーニング/推論効率を提供するエンドツーエンドのディープラーニングフレームワークである。 この研究は、拡散MRIの強化のための深層学習に基づく手法を、より広く採用し、臨床信頼を構築することを促進する。
  論文  参考訳（メタデータ） (2025-08-13T17:56:29Z)
• DSA-NRP: No-Reflow Prediction from Angiographic Perfusion Dynamics in Stroke EVT [2.5191548037496805]
  持続的微小血管低灌流によって定義される非逆流は、組織回復を損なうとともに臨床結果の悪化を引き起こす。 標準的な臨床実践は、パルス後24時間以内に灌流磁気共鳴画像(MRI)に頼り、介入を遅らせる。 本稿では,血管内血栓摘出直後の血流の予測を行う機械学習フレームワークについて紹介する。
  論文  参考訳（メタデータ） (2025-06-20T22:40:51Z)
• Fusion of Diffusion Weighted MRI and Clinical Data for Predicting Functional Outcome after Acute Ischemic Stroke with Deep Contrastive Learning [1.4149937986822438]
  ストロークは、25歳以上の成人の約4分の1に影響する一般的な神経疾患である。 AUCでは0.87,0.80,80.45%,F1スコアでは80.45%,精度では0。
  論文  参考訳（メタデータ） (2024-02-16T18:51:42Z)

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。