論文の概要: Computer-aided shape features extraction and regression models for predicting the ascending aortic aneurysm growth rate

• arxiv url: http://arxiv.org/abs/2503.02915v1
• Date: Tue, 04 Mar 2025 10:21:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:52:48.446741
• Title: Computer-aided shape features extraction and regression models for predicting the ascending aortic aneurysm growth rate
• Title（参考訳）: 上行大動脈大動脈瘤成長速度予測のためのコンピュータ支援型形状特徴抽出と回帰モデル
• Authors: Leonardo Geronzi, Antonio Martinez, Michel Rochette, Kexin Yan, Aline Bel-Brunon, Pascal Haigron, Pierre Escrig, Jacques Tomasi, Morgan Daniel, Alain Lalande, Siyu Lin, Diana Marcela Marin-Castrillon, Olivier Bouchot, Jean Porterie, Pier Paolo Valentini, Marco Evangelos Biancolini,
• Abstract要約: 局所的および大域的形状特徴は、上昇する大動脈瘤の成長を予測するために比較される。 動脈瘤は根部近くにあり,初径が大きいと成長が速くなる。
• 参考スコア（独自算出の注目度）: 3.4332399672303513
• License:
• Abstract: Objective: ascending aortic aneurysm growth prediction is still challenging in clinics. In this study, we evaluate and compare the ability of local and global shape features to predict ascending aortic aneurysm growth. Material and methods: 70 patients with aneurysm, for which two 3D acquisitions were available, are included. Following segmentation, three local shape features are computed: (1) the ratio between maximum diameter and length of the ascending aorta centerline, (2) the ratio between the length of external and internal lines on the ascending aorta and (3) the tortuosity of the ascending tract. By exploiting longitudinal data, the aneurysm growth rate is derived. Using radial basis function mesh morphing, iso-topological surface meshes are created. Statistical shape analysis is performed through unsupervised principal component analysis (PCA) and supervised partial least squares (PLS). Two types of global shape features are identified: three PCA-derived and three PLS-based shape modes. Three regression models are set for growth prediction: two based on gaussian support vector machine using local and PCA-derived global shape features; the third is a PLS linear regression model based on the related global shape features. The prediction results are assessed and the aortic shapes most prone to growth are identified. Results: the prediction root mean square error from leave-one-out cross-validation is: 0.112 mm/month, 0.083 mm/month and 0.066 mm/month for local, PCA-based and PLS-derived shape features, respectively. Aneurysms close to the root with a large initial diameter report faster growth. Conclusion: global shape features might provide an important contribution for predicting the aneurysm growth.
• Abstract（参考訳）: 目的:上行大動脈大動脈瘤の進展予測はいまだにクリニックでは難しい。 本研究では, 局所的および大域的形状特徴が上行大動脈大動脈瘤の進展を予測できる能力について検討し, 比較した。 材料および方法:2つの3D取得が可能な大動脈瘤70例を含む。 1) 上行大動脈中心線の最大径と長さの比、(2) 上行大動脈の外側線の長さと内線の長さの比、(3) 上行大動脈のトルク率の比の3つの局所形状特徴を算出した。 経時的データを利用して大動脈瘤成長率を導出する。 放射状基底関数メッシュモルフォグラフィーを用いて、等方的表面メッシュを作成する。 統計的形状解析は、教師なし主成分分析(PCA)と教師付き部分最小二乗(PLS)によって行われる。 グローバルな形状の特徴は3つのPCA由来の形状モードと3つのPSSベース形状モードの2種類がある。 局所的およびPCA由来の大域的形状特徴を用いたガウス支援ベクトルマシンに基づく3つの回帰モデルと、関連する大域的形状特徴に基づくPSS線形回帰モデルである。 予測結果を評価し、最も成長しやすい大動脈の形状を同定する。 結果: 平均2乗誤差は, 月0.112mm/月, 月0.083mm/月, 月0.066mm/月であった。 動脈瘤は根部近くにあり,初径が大きいと成長が速くなる。 結論: グローバルな形状特徴は、大動脈瘤の成長を予測する上で重要な貢献をする可能性がある。

関連論文リスト

• Cell Maps Representation For Lung Adenocarcinoma Growth Patterns Classification In Whole Slide Images [0.5906576076342179]
  肺腺癌は, 形態学的に異質な疾患であり, 5つの原発組織学的成長パターンを特徴とする。 組織タイルを5つのパターンの1つまたは非腫瘍の1つに分類できる新しい機械学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-11-27T14:12:51Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• S3M: Scalable Statistical Shape Modeling through Unsupervised Correspondences [91.48841778012782]
  本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。 我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。 我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
  論文  参考訳（メタデータ） (2023-04-15T09:39:52Z)
• 3D-Morphomics, Morphological Features on CT scans for lung nodule malignancy diagnosis [8.728543774561405]
  本研究はCTボリュームにおける形態学的特徴(3次元形態学)に基づく病理状態の予測モデルを構築した。 その後、XGBoost教師付き分類器が3次元形態学で訓練され、病理状態を予測する。 肺結節の悪性度と良性度との分類モデルでは, 3D-morphomicsのみを用いて0.964のAUCが得られる。
  論文  参考訳（メタデータ） (2022-07-27T23:50:47Z)
• Future Unruptured Intracranial Aneurysm Growth Prediction using Mesh Convolutional Neural Networks [0.04925906256430176]
  破裂性頭蓋内動脈瘤(UIAs)は破裂の予測因子である。 UIAのサイズと形状は、大動脈瘤の成長および/または破裂の予測因子であることが知られている。 成長するか、安定し続けるUIAを予測するための分類モデルを開発しています。
  論文  参考訳（メタデータ） (2022-07-27T13:43:26Z)
• Neural operator learning of heterogeneous mechanobiological insults contributing to aortic aneurysms [0.15658704610960567]
  胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の局所的な拡張であり、壁構成、構造、機能から生じる。 本稿では,深層演算子ネットワーク(DeepONet)をベースとしたサロゲートモデルをトレーニングし,TAAの寄与要因を特定するための統合フレームワークを提案する。 提案手法は,患者固有のメカノロジー的侮辱プロファイルを高精度に予測できることを示す。
  論文  参考訳（メタデータ） (2022-05-08T04:37:49Z)
• 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)
• Deep Learning for Reaction-Diffusion Glioma Growth Modelling: Towards a Fully Personalised Model? [0.2609639566830968]
  グリオーマの成長を捉えるために、反応拡散モデルが何十年も提案されてきた。 ディープ畳み込みニューラルネットワーク(DCNN)は、現場でよく見られる落とし穴に対処することができる。 このアプローチは,腫瘍予後および治療計画に対する反応拡散成長モデルの臨床応用の視点を開放する可能性がある。
  論文  参考訳（メタデータ） (2021-11-26T10:16:57Z)
• 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)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• Deep Modeling of Growth Trajectories for Longitudinal Prediction of Missing Infant Cortical Surfaces [58.780482825156035]
  空間グラフ畳み込みニューラルネットワーク(GCNN)を用いた皮質表面の経時的予測法を提案する。 提案手法は,皮質成長軌跡をモデル化し,複数点の内曲面と外曲面を共同で予測する。 本手法が時間的皮質成長パターンの非線形性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2020-09-06T18:46:04Z)

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。