論文の概要: AI-powered multimodal modeling of personalized hemodynamics in aortic stenosis

• arxiv url: http://arxiv.org/abs/2407.00535v1
• Date: Sat, 29 Jun 2024 21:49:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 02:36:46.554607
• Title: AI-powered multimodal modeling of personalized hemodynamics in aortic stenosis
• Title（参考訳）: 大動脈狭窄症におけるパーソナライズされた血行動態のAIによるマルチモーダルモデリング
• Authors: Caglar Ozturk, Daniel H. Pak, Luca Rosalia, Debkalpa Goswami, Mary E. Robakowski, Raymond McKay, Christopher T. Nguyen, James S. Duncan, Ellen T. Roche,
• Abstract要約: 大動脈狭窄は先進国で最も一般的な弁膜心疾患である。 高忠実度前臨床モデルは、治療革新、早期診断、調整された治療計画を可能にして、AS管理を改善することができる。 本稿では,AS血行動態の加速・民主化のためのAIを用いた計算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）: 3.9933028169938605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aortic stenosis (AS) is the most common valvular heart disease in developed countries. High-fidelity preclinical models can improve AS management by enabling therapeutic innovation, early diagnosis, and tailored treatment planning. However, their use is currently limited by complex workflows necessitating lengthy expert-driven manual operations. Here, we propose an AI-powered computational framework for accelerated and democratized patient-specific modeling of AS hemodynamics from computed tomography. First, we demonstrate that our automated meshing algorithms can generate task-ready geometries for both computational and benchtop simulations with higher accuracy and 100 times faster than existing approaches. Then, we show that our approach can be integrated with fluid-structure interaction and soft robotics models to accurately recapitulate a broad spectrum of clinical hemodynamic measurements of diverse AS patients. The efficiency and reliability of these algorithms make them an ideal complementary tool for personalized high-fidelity modeling of AS biomechanics, hemodynamics, and treatment planning.
• Abstract（参考訳）: 大動脈狭窄症(Aortic stenosis, AS)は、先進国で最も多い弁膜心疾患である。 高忠実度前臨床モデルは、治療革新、早期診断、調整された治療計画を可能にして、AS管理を改善することができる。 しかし、現時点では、専門家主導の長い手動操作を必要とする複雑なワークフローによって制限されている。 本稿では,AS血行動態の加速・民主化のためのAIを用いた計算フレームワークを提案する。 まず、我々の自動メッシュアルゴリズムは、既存の手法よりも高精度で100倍高速な計算およびベンチトップシミュレーションのためのタスク対応ジオメトリを生成できることを実証する。 そして,本手法を流体構造相互作用とソフトロボティクスモデルと組み合わせることで,多彩なAS患者の臨床血行動態測定の幅広い範囲を正確に再カプセル化できることを示す。 これらのアルゴリズムの効率性と信頼性は、ASバイオメカニクス、血液力学、および治療計画のパーソナライズされた高忠実度モデリングのための理想的な補完ツールとなる。

関連論文リスト

• HyperSBINN: A Hypernetwork-Enhanced Systems Biology-Informed Neural Network for Efficient Drug Cardiosafety Assessment [0.46435896353765527]
  メタラーニング技術とシステム生物学インフォームドニューラルネットワーク(SBINN)を組み合わせることで、心臓活動電位のパラメータ化モデルを解く新しい手法を提案する。 提案手法であるHyper SBINNは、異なる濃度における各種化合物の心活動電位への影響を予測するという課題を効果的に解決する。
  論文  参考訳（メタデータ） (2024-08-26T13:40:33Z)
• Structured Model Pruning for Efficient Inference in Computational Pathology [2.9687381456164004]
  バイオメディカルイメージングにおいて広く使われているU-Netスタイルのアーキテクチャを解析する手法を開発した。 我々は,プルーニングが性能を低下させることなく,少なくとも70%圧縮できることを実証的に実証した。
  論文  参考訳（メタデータ） (2024-04-12T22:05:01Z)
• Improved Genetic Algorithm Based on Greedy and Simulated Annealing Ideas for Vascular Robot Ordering Strategy [7.51372615162241]
  本研究では,医療環境におけるABLVR血管ロボットの獲得,利用,維持を最適化するための包括的アプローチを提案する。 ダイナミックな医療環境を考えると、ロボット船やオペレーターのためのロバストな資源配分モデルを含む。 演算子に対する適応学習プロセスのユニークな要件と,ロボット部品のメンテナンスニーズを取り入れた。
  論文  参考訳（メタデータ） (2024-03-28T15:14:03Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Explainable Deep Learning for Tumor Dynamic Modeling and Overall Survival Prediction using Neural-ODE [0.0]
  本稿では,腫瘍ダイナミックニューラル-ODEを薬理学的インフォームドニューラルネットワークとして用いることを提案する。 我々は,TDNODEが既存のモデルの重要な限界を克服し,乱れたデータから偏りのない予測を行うことを示す。 得られた測定値を用いて,患者の全身生存率(OS)を高い精度で予測できることを示す。
  論文  参考訳（メタデータ） (2023-08-02T18:08:27Z)
• Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
  ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。 NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。 本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
  論文  参考訳（メタデータ） (2023-06-24T17:01:51Z)
• Transient Hemodynamics Prediction Using an Efficient Octree-Based Deep Learning Model [0.0]
  複雑な合成血管形状の高分解能(空間および時間)速度場を予測できるアーキテクチャを提案する。 CFDシミュレーションと比較して、速度場は平均絶対誤差0.024m/sで推定できるのに対し、実行時間は高性能クラスタでは数時間からコンシューマグラフィカル処理ユニットでは数秒に短縮される。
  論文  参考訳（メタデータ） (2023-02-13T17:56:00Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
  モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。 所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。 医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-06-10T16:20:59Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)

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。