論文の概要: Towards Cardiac MRI Foundation Models: Comprehensive Visual-Tabular Representations for Whole-Heart Assessment and Beyond

• arxiv url: http://arxiv.org/abs/2504.13037v1
• Date: Thu, 17 Apr 2025 15:46:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:38:07.556359
• Title: Towards Cardiac MRI Foundation Models: Comprehensive Visual-Tabular Representations for Whole-Heart Assessment and Beyond
• Title（参考訳）: 心臓MRIファンデーションモデルに向けて:全心的アセスメントとそれを超えるビジュアルタブラリ表現
• Authors: Yundi Zhang, Paul Hager, Che Liu, Suprosanna Shit, Chen Chen, Daniel Rueckert, Jiazhen Pan,
• Abstract要約: ViTaは、短軸長軸ビューから3D+Tスタックを統合することで、心臓循環を完全に捉えることができる。 このマルチモーダルパラダイムは、心臓表現型や生理的特徴予測など、幅広い下流タスクをサポートする。 リッチな画像特徴と患者コンテキストを橋渡しする共有潜在表現を学習することで、ViTaは従来のタスク固有のモデルを超えることができる。
• 参考スコア（独自算出の注目度）: 17.12109841946122
• License:
• Abstract: Cardiac magnetic resonance imaging is the gold standard for non-invasive cardiac assessment, offering rich spatio-temporal views of the cardiac anatomy and physiology. Patient-level health factors, such as demographics, metabolic, and lifestyle, are known to substantially influence cardiovascular health and disease risk, yet remain uncaptured by CMR alone. To holistically understand cardiac health and to enable the best possible interpretation of an individual's disease risk, CMR and patient-level factors must be jointly exploited within an integrated framework. Recent multi-modal approaches have begun to bridge this gap, yet they often rely on limited spatio-temporal data and focus on isolated clinical tasks, thereby hindering the development of a comprehensive representation for cardiac health evaluation. To overcome these limitations, we introduce ViTa, a step toward foundation models that delivers a comprehensive representation of the heart and a precise interpretation of individual disease risk. Leveraging data from 42,000 UK Biobank participants, ViTa integrates 3D+T cine stacks from short-axis and long-axis views, enabling a complete capture of the cardiac cycle. These imaging data are then fused with detailed tabular patient-level factors, enabling context-aware insights. This multi-modal paradigm supports a wide spectrum of downstream tasks, including cardiac phenotype and physiological feature prediction, segmentation, and classification of cardiac and metabolic diseases within a single unified framework. By learning a shared latent representation that bridges rich imaging features and patient context, ViTa moves beyond traditional, task-specific models toward a universal, patient-specific understanding of cardiac health, highlighting its potential to advance clinical utility and scalability in cardiac analysis.
• Abstract（参考訳）: 心臓MRIは非侵襲的心臓アセスメントのための金の標準であり、心臓解剖学と生理学の豊かな時空間ビューを提供する。 人口統計学、代謝学、ライフスタイルなどの患者レベルの健康要因は、心臓血管の健康と病気のリスクに大きな影響を及ぼすことが知られているが、CMRだけでは捉えられない。 心臓の健康を均一に理解し、個人の病気のリスクを最大限に解釈するためには、CMRと患者レベルの因子を統合された枠組み内で共同的に活用する必要がある。 近年のマルチモーダルなアプローチはこのギャップを埋め始めているが、時空間的な限られたデータに頼り、孤立した臨床作業に集中し、心臓の健康評価のための包括的な表現の発達を妨げることがしばしばある。 これらの制限を克服するため、心の包括的表現と個々の疾患リスクの正確な解釈を提供する基礎モデルであるViTaを導入する。 英国バイオバンクの参加者42,000人のデータを活用して、ViTaは短軸および長軸からの3D+Tシネスタックを統合し、心臓のサイクルを完全に捉えることができる。 これらの画像データは、詳細な表の患者レベル要素で融合され、コンテキスト認識の洞察を可能にする。 このマルチモーダルパラダイムは、心臓表現型および生理的特徴予測、セグメンテーション、単一の統合された枠組み内での心臓および代謝疾患の分類を含む、幅広い下流タスクをサポートする。 リッチイメージングの特徴と患者コンテキストを橋渡しする共有潜在表現を学習することで、ViTaは従来のタスク固有のモデルを超えて、心臓の健康に対する普遍的で患者固有の理解へと移行し、心臓分析における臨床的有用性と拡張性を高める可能性を強調している。

関連論文リスト

• Enhancing Cardiovascular Disease Prediction through Multi-Modal Self-Supervised Learning [0.17708284654788597]
  本稿では,限られたアノテートデータセットを用いて心血管疾患の予測を改善するための包括的な枠組みを提案する。 マスク付きオートエンコーダを用いて心電図ECGエンコーダを事前訓練し、生の心電図データから関連する特徴を抽出する。 心筋梗塞などの特定の予測課題について,事前に訓練したエンコーダを微調整した。
  論文  参考訳（メタデータ） (2024-11-08T16:32:30Z)
• CardiacNet: Learning to Reconstruct Abnormalities for Cardiac Disease Assessment from Echocardiogram Videos [10.06966396329022]
  局所心構造と運動異常のより優れた表現を学習するために,CardiacNet という新しい再構築手法を提案する。 CardiacNet には Consistency deformation Codebook (CDC) と Consistency Deformed-Discriminator (CDD) が付属している。 実験では、3つの心臓疾患評価タスクで最先端の結果が得られます。
  論文  参考訳（メタデータ） (2024-10-28T06:11:03Z)
• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
  心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。 本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。 中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。 実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
  論文  参考訳（メタデータ） (2024-06-19T02:42:29Z)
• Whole Heart 3D+T Representation Learning Through Sparse 2D Cardiac MR Images [13.686473040836113]
  本研究では,心臓スタック全体にわたる空間的パッチと時間的パッチの相関関係を自動的に解明する,完全自己教師型学習フレームワークを提案する。 我々は、UK BioBankから14,000のラベルなしCMRデータをトレーニングし、1000の注釈付きデータで評価する。
  論文  参考訳（メタデータ） (2024-06-01T07:08:45Z)
• A Generalizable Deep Learning System for Cardiac MRI [29.429744474335347]
  本稿では,ヒト心血管疾患と健康の広さを表現できる心臓MRIの基礎的ビジョンシステムについて述べる。 深層学習モデルは自己指導型コントラスト学習によって訓練され, 関連する放射線学報告の生テキストからシネケンス心磁図の視覚的概念を学習する。 本研究の深層学習システムは,人間の心血管疾患の停滞する複雑さを理解できるだけでなく,典型的にはこれらの課題に必要とされるトレーニングデータのごく一部を応用した,目覚しい臨床段階の診断精度をもたらす臨床上の問題に向けることができることを示す。
  論文  参考訳（メタデータ） (2023-12-01T05:27:29Z)
• Continuous 3D Myocardial Motion Tracking via Echocardiography [30.19879953016694]
  心筋運動追跡は、心臓血管疾患の予防と検出に不可欠な臨床ツールである。 現在の技術は、空間次元と時間次元の両方において、心筋の不完全かつ不正確な運動推定に悩まされている。 本稿では, 心臓の3次元構造と包括的6次元前/後方運動をモデル化するためのニューラル心運動場(ニューラルCMF)について紹介する。
  論文  参考訳（メタデータ） (2023-10-04T13:11:20Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。