論文の概要: Automated Measurement of Pericoronary Adipose Tissue Attenuation and
Volume in CT Angiography
- arxiv url: http://arxiv.org/abs/2311.13100v1
- Date: Wed, 22 Nov 2023 01:59:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 16:32:52.453179
- Title: Automated Measurement of Pericoronary Adipose Tissue Attenuation and
Volume in CT Angiography
- Title（参考訳）: ct angiographyにおける冠動脈周囲脂肪組織減衰と体積の自動計測
- Authors: Andrew M. Nguyen, Tejas Sudharshan Mathai, Liangchen Liu, Jianfei Liu,
Ronald M. Summers
- Abstract要約: 冠動脈周囲脂肪沈着組織(Pericoronary adipose tissue, PCAT)は、冠動脈近傍の脂肪沈着組織である。
冠状動脈周辺領域におけるPCAT平均減衰量と容積を測定するための完全自動的アプローチを開発した。
- 参考スコア（独自算出の注目度）: 7.426629740318084
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pericoronary adipose tissue (PCAT) is the deposition of fat in the vicinity
of the coronary arteries. It is an indicator of coronary inflammation and
associated with coronary artery disease. Non-invasive coronary CT angiography
(CCTA) is presently used to obtain measures of the thickness, volume, and
attenuation of fat deposition. However, prior works solely focus on measuring
PCAT using semi-automated approaches at the right coronary artery (RCA) over
the left coronary artery (LCA). In this pilot work, we developed a fully
automated approach for the measurement of PCAT mean attenuation and volume in
the region around both coronary arteries. First, we used a large subset of
patients from the public ImageCAS dataset (n = 735) to train a 3D full
resolution nnUNet to segment LCA and RCA. Then, we automatically measured PCAT
in the surrounding arterial regions. We evaluated our method on a held-out test
set of patients (n = 183) from the same dataset. A mean Dice score of 83% and
PCAT attenuation of -73.81 $\pm$ 12.69 HU was calculated for the RCA, while a
mean Dice score of 81% and PCAT attenuation of -77.51 $\pm$ 7.94 HU was
computed for the LCA. To the best of our knowledge, we are the first to develop
a fully automated method to measure PCAT attenuation and volume at both the RCA
and LCA. Our work underscores how automated PCAT measurement holds promise as a
biomarker for identification of inflammation and cardiac disease.
- Abstract（参考訳）: 冠動脈周囲脂肪沈着組織(Pericoronary adipose tissue, PCAT)は、冠動脈近傍の脂肪沈着組織である。
冠動脈炎症の指標であり、冠動脈疾患と関連している。
現在,非侵襲的冠動脈造影(CCTA)を用いて脂肪沈着の厚さ,体積,減衰の測定を行っている。
しかし,左冠状動脈(LCA)上の右冠状動脈(RCA)における半自動アプローチを用いたPCAT測定のみに重点を置いている。
本研究は, 冠状動脈周辺領域におけるPCAT平均減衰量と容積を測定するための完全自動アプローチを開発した。
まず、パブリックなImageCASデータセット(n = 735)から大量の患者のサブセットを使用して、3Dフル解像度nnUNetをトレーニングし、LCAとRCAをセグメンテーションしました。
末梢動脈領域におけるPCATの自動測定を行った。
同じデータセットから保持した患者(n=183)を対象に本手法を評価した。
rcaでは平均ダイススコア(83%)、pcat減衰率(73.81$\pm$12.69hu)、lcaでは平均ダイススコア(81%)、pcat減衰率(77.51$\pm$ 7.94hu)が算出された。
我々の知る限り、PCAT減衰量と容積をRCAとLCAの両方で完全に自動で測定する手法を最初に開発しました。
本研究は,PCAT自動測定が炎症や心疾患の診断のバイオマーカーとして期待されていることを明らかにする。
関連論文リスト
- Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。
AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文 参考訳（メタデータ） (2024-03-27T16:56:14Z) - Automated Measurement of Vascular Calcification in Femoral
Endarterectomy Patients Using Deep Learning [0.09999629695552192]
大きな動脈に影響を及ぼす慢性炎症性疾患である動脈硬化症は、世界的な健康リスクをもたらす。
深層学習モデルを用いて血管系をCT画像(CTA)に分類した。
大動脈から膝蓋骨への分節動脈におけるDiceの精度は平均83.4%,最先端は0.8%向上した。
論文 参考訳（メタデータ） (2023-11-27T16:47:09Z) - Neural network-based coronary dominance classification of RCA angiograms [0.3177496877224142]
右冠状動脈 (RCA) 血管造影による心臓支配の分類法を提案する。
対象は828例で,その内192例が左支配症例であった。
RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功していることが示されている。
論文 参考訳（メタデータ） (2023-09-13T13:47:52Z) - Cardiac CT perfusion imaging of pericoronary adipose tissue (PCAT)
highlights potential confounds in coronary CTA [3.9120678529018345]
冠動脈周囲脂肪組織(PCAT)の特徴は炎症や心血管のリスクと関連している。
ヨウ素の存在はPCAT HUとテクスチャとの相違因子であり, 十分に研究されていない。
冠状動脈疾患患者における領域特異的PCAT, 心筋, その他の脂肪蓄積物のHU動態について検討した。
論文 参考訳（メタデータ） (2023-06-27T16:18:55Z) - 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) - 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) - AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases
Treatment: Status Quo [55.04215695343928]
大動脈血管木は大動脈とその枝枝動脈からなる。
大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
論文 参考訳（メタデータ） (2021-08-06T08:18:28Z) - A new approach to extracting coronary arteries and detecting stenosis in
invasive coronary angiograms [9.733630514873376]
我々は,ICAから冠状動脈を抽出する深層学習による自動アルゴリズムの開発を目指している。
本研究では, マルチインプットとマルチスケール(MIMS)のU-Netを2段階の繰り返し訓練戦略として提案した。
実験の結果,提案手法は平均diceスコア 0.8329, 平均感度 0.8281, 平均特異度 0.9979 となり, 73例から294 icasを得た。
論文 参考訳（メタデータ） (2021-01-25T01:48:27Z) - Multi-Resolution 3D Convolutional Neural Networks for Automatic Coronary
Centerline Extraction in Cardiac CT Angiography Scans [3.3774970857450084]
本稿では,Wolterink による血管トラッカーを拡張した深層学習型自動冠状動脈幹トラッカー (AuCoTrack) を提案する。
マルチスケール3次元入力で動作する2経路畳み込みニューラルネットワーク(CNN)は、冠動脈の向きを予測する。
類似のマルチスケール2重経路3D CNNは、追跡プロセスの終了のための冠動脈終端を特定するために訓練されている。
論文 参考訳（メタデータ） (2020-10-02T11:20:25Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。