論文の概要: Deep Learning-Based Prediction of Fractional Flow Reserve along the Coronary Artery

• arxiv url: http://arxiv.org/abs/2308.04923v1
• Date: Wed, 9 Aug 2023 12:45:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 13:42:13.315391
• Title: Deep Learning-Based Prediction of Fractional Flow Reserve along the Coronary Artery
• Title（参考訳）: 深層学習による冠状動脈血流予備量の予測
• Authors: Nils Hampe, Sanne G. M. van Velzen, Jean-Paul Aben, Carlos Collet, Ivana I\v{s}gum
• Abstract要約: 機能性冠状動脈疾患(CAD)は,冠状動脈のプラーク蓄積が原因である。 機能的に重要な狭窄の存在を確立するための現在の基準は、侵襲的分画流量予備(FFR)測定である。 冠動脈造影(CCTA)によるFFRの非侵襲的予測が出現した。 CCTAスキャンを用いて,動脈のFFRを予測する深層学習法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Functionally significant coronary artery disease (CAD) is caused by plaque buildup in the coronary arteries, potentially leading to narrowing of the arterial lumen, i.e. coronary stenosis, that significantly obstructs blood flow to the myocardium. The current reference for establishing the presence of a functionally significant stenosis is invasive fractional flow reserve (FFR) measurement. To avoid invasive measurements, non-invasive prediction of FFR from coronary CT angiography (CCTA) has emerged. For this, machine learning approaches, characterized by fast inference, are increasingly developed. However, these methods predict a single FFR value per artery i.e. they don't provide information about the stenosis location or treatment strategy. We propose a deep learning-based method to predict the FFR along the artery from CCTA scans. This study includes CCTA images of 110 patients who underwent invasive FFR pullback measurement in 112 arteries. First, a multi planar reconstruction (MPR) of the artery is fed to a variational autoencoder to characterize the artery, i.e. through the lumen area and unsupervised artery encodings. Thereafter, a convolutional neural network (CNN) predicts the FFR along the artery. The CNN is supervised by multiple loss functions, notably a loss function inspired by the Earth Mover's Distance (EMD) to predict the correct location of FFR drops and a histogram-based loss to explicitly supervise the slope of the FFR curve. To train and evaluate our model, eight-fold cross-validation was performed. The resulting FFR curves show good agreement with the reference allowing the distinction between diffuse and focal CAD distributions in most cases. Quantitative evaluation yielded a mean absolute difference in the area under the FFR pullback curve (AUPC) of 1.7. The method may pave the way towards fast, accurate, automatic prediction of FFR along the artery from CCTA.
• Abstract（参考訳）: 機能的に有意な冠状動脈疾患(CAD)は、冠動脈のプラークの蓄積によって引き起こされ、冠動脈狭窄(冠動脈狭窄)により心筋への血流が著しく阻害される可能性がある。 機能的に有意な狭窄の存在を確立するための現在の基準は invasive fractional flow reserve (ffr) 測定である。 冠動脈造影ct (ccta) からの非侵襲的ffrの予測は, 侵襲的測定を避けるために行われている。 このため、高速な推論を特徴とする機械学習アプローチがますます発展している。 しかし、これらの手法は動脈1本あたりのFFR値を予測しており、狭窄位置や治療戦略に関する情報を提供していない。 CCTAスキャンを用いて,動脈のFFRを予測する深層学習法を提案する。 本研究は, 侵襲的FFRプルバック測定を施行した110例のCCTA画像を含む。 第一に、動脈の多平面再構成(MPR)を可変オートエンコーダに供給し、ルーメン領域と非教師なし動脈エンコーダを介して動脈を特徴付ける。 その後、畳み込みニューラルネットワーク(CNN)が動脈に沿ってFFRを予測する。 CNNは複数の損失関数によって制御されており、特に地球モーバー距離(EMD)にインスパイアされた損失関数はFFRの落下の正確な位置を予測し、ヒストグラムに基づく損失はFFR曲線の傾斜を明示的に監督する。 モデルのトレーニングと評価のために,8倍のクロスバリデーションを行った。 得られたFFR曲線は、ほとんどの場合、拡散と焦点CAD分布の区別を可能にする基準とよく一致している。 定量的評価により,ffrプルバック曲線 (aupc) 下の面積の平均絶対差は1.7。 この方法では、CCTAから動脈に沿って高速で正確なFFRの自動予測を行うことができる。

関連論文リスト

• FeDETR: a Federated Approach for Stenosis Detection in Coronary Angiography [0.3823356975862007]
  冠動脈狭窄は心不全の根底にある因子である。 冠動脈病変の診断にはいくつかの欠点がある。 深層学習法は、FFR/iFR値の自動推定において、心臓科医を支援するために登場した。
  論文  参考訳（メタデータ） (2024-09-21T23:52:05Z)
• Estimation of FFR in coronary arteries with deep learning [0.0]
  Fractional Flow Reserve (FFR) は冠状動脈疾患(CAD)における重要なバイオマーカーである 近年、仮想FFR(vFFR)測定の新たなアプローチが出現している。 本稿では,入力容器形状を点雲として表現することで,vFFR推定の新しい手法を提案する。 本手法を臨床の観点から評価し,一般的に用いられているCFDの代替として有効であることを示す。
  論文  参考訳（メタデータ） (2024-04-06T12:24:02Z)
• Optimizing Medication Decisions for Patients with Atrial Fibrillation through Path Development Network [4.682776828229116]
  心房細動(英: atrial fibrillation、AF)は、心房の急激な収縮と不規則な収縮を特徴とする一般的な不整脈である。 本研究では,AF患者に抗凝固療法を推奨すべきかどうかを予測する機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-18T14:31:11Z)
• Deep learning based detection of collateral circulation in coronary angiographies [0.0]
  冠状動脈疾患 (CAD) は、世界中で死と入院の主な原因となっている。 血管造影画像中の冠側副循環(CCC)を検出するための新しい深層学習法を提案する。 本手法は,血管造影シークエンスの各フレームから特徴を抽出するために,畳み込みバックボーンに依存している。
  論文  参考訳（メタデータ） (2024-01-08T11:25:42Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Mesh Neural Networks for SE(3)-Equivariant Hemodynamics Estimation on the Artery Wall [13.113110989699571]
  三次元幾何学的動脈モデルによる壁面上のベクトル値量の推定について検討する。 我々は、三角形のメッシュ上で直接動作するエンドツーエンドSE(3)-同変ニューラルネットワークにおいて、グループ同変グラフ畳み込みを用いる。 本手法は, 経時的, ベクトル値のWSSを, 異なる流れ境界条件下で正確に予測できるほど強力であることを示す。
  論文  参考訳（メタデータ） (2022-12-09T18:16:06Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。