論文の概要: Towards prediction of morphological heart age from computed tomography angiography
- arxiv url: http://arxiv.org/abs/2504.15783v1
- Date: Tue, 22 Apr 2025 10:48:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 20:55:15.560416
- Title: Towards prediction of morphological heart age from computed tomography angiography
- Title（参考訳）: CTアンギオグラフィーによる形態学的心臓年齢の予測に向けて
- Authors: Johan Öfverstedt, Elin Lundström, Håkan Ahlström, Joel Kullberg,
- Abstract要約: 医療画像やその他の健康関連非画像データからの年齢予測は、データ駆動老化研究における重要なアプローチである。
心血管造影(CTA)画像から年齢の予測について検討し,心形態の詳細な表現について検討した。
- 参考スコア（独自算出の注目度）: 2.0413529764205838
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Age prediction from medical images or other health-related non-imaging data is an important approach to data-driven aging research, providing knowledge of how much information a specific tissue or organ carries about the chronological age of the individual. In this work, we studied the prediction of age from computed tomography angiography (CTA) images, which provide detailed representations of the heart morphology, with the goals of (i) studying the relationship between morphology and aging, and (ii) developing a novel \emph{morphological heart age} biomarker. We applied an image registration-based method that standardizes the images from the whole cohort into a single space. We then extracted supervoxels (using unsupervised segmentation), and corresponding robust features of density and local volume, which provide a detailed representation of the heart morphology while being robust to registration errors. Machine learning models are then trained to fit regression models from these features to the chronological age. We applied the method to a subset of the images from the Swedish CArdioPulomonary bioImage Study (SCAPIS) dataset, consisting of 721 females and 666 males. We observe a mean absolute error of $2.74$ years for females and $2.77$ years for males. The predictions from different sub-regions of interest were observed to be more highly correlated with the predictions from the whole heart, compared to the chronological age, revealing a high consistency in the predictions from morphology. Saliency analysis was also performed on the prediction models to study what regions are associated positively and negatively with the predicted age. This resulted in detailed association maps where the density and volume of known, as well as some novel sub-regions of interest, are determined to be important. The saliency analysis aids in the interpretability of the models and their predictions.
- Abstract（参考訳）: 医療画像やその他の健康関連非画像データからの年齢予測は、データ駆動老化研究における重要なアプローチであり、特定の組織や臓器がどれだけの情報を持てるかについての知識を提供する。
本研究では,心形態の詳細な表現を目標としたCT画像から年齢の予測について検討した。
一 形態学と老化の関係を研究すること、及び
(II)バイオマーカーの開発
我々は,コホート全体からのイメージを標準化する画像登録方式を1つの空間に適用した。
次に,非教師的セグメンテーション(unsupervised segmentation)とそれに対応する密度と局所容積の頑健な特徴を抽出し,登録ミスに対して頑健な心形態を詳細に表現した。
機械学習モデルは、これらの特徴から時系列年齢までの回帰モデルに適合するように訓練される。
スウェーデンのCArdioPulomonary Bio Image Study (SCAPIS)データセットから得られた画像のサブセットに本手法を適用した。
平均的な絶対誤差は、女性は2.74ドル、男性は2.77ドルである。
異なるサブ領域からの予測は、時間的年齢と比較して心臓全体の予測と高い相関がみられ、形態学からの予測に高い一貫性があることが判明した。
また, 予測モデルを用いて, 予測年齢と積極的, 負的にどの領域が関連しているかを調査した。
この結果、既知の密度と体積、およびいくつかの新しい関心領域が重要であると決定される詳細な関連写像が得られた。
サリエンシ分析は、モデルの解釈可能性とその予測を支援する。
関連論文リスト
- Causal Disentanglement for Robust Long-tail Medical Image Generation [80.15257897500578]
そこで本研究では,病的特徴と構造的特徴を独立に生成する新しい医用画像生成フレームワークを提案する。
本稿では,病理所見から導かれる拡散モデルを用いて病理像をモデル化し,種々の対物画像の生成を可能にする。
論文 参考訳（メタデータ） (2025-04-20T01:54:18Z) - Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。
我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
論文 参考訳（メタデータ） (2024-12-30T01:59:34Z) - A method for supervoxel-wise association studies of age and other non-imaging variables from coronary computed tomography angiograms [1.9027456538318586]
冠状動脈造影による冠動脈造影における体積像と組織密度像の関連性について検討した。
我々は,画像分割,オブジェクト間画像登録,ロバストなスーパーボクセル相関解析に基づく新しい手法を開発した。
心室および心筋のDice係数と変換の逆整合性の観点から登録手法の評価を行った。
論文 参考訳（メタデータ） (2024-05-13T14:04:34Z) - Atlas-Based Interpretable Age Prediction In Whole-Body MR Images [8.947616387158142]
全身3D画像を用いて人体を大規模に老化させる方法について検討した。
我々はGrad-CAM法を用いて、人の年齢を最も予測する身体領域を推定する。
対象者の年齢を予測する上で,全身の3次元容積と全人口分析は,どの部位が最も重要な役割を担っているかという重要な洞察を与えることができる。
論文 参考訳（メタデータ） (2023-07-14T16:04:03Z) - Multimodal brain age estimation using interpretable adaptive
population-graph learning [58.99653132076496]
下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。
注意機構は、画像と非画像の特徴のセットに重みを割り当てる。
グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
論文 参考訳（メタデータ） (2023-07-10T15:35:31Z) - Futuristic Variations and Analysis in Fundus Images Corresponding to
Biological Traits [5.0329748402255365]
本研究は, 最先端の深層学習アルゴリズムを用いて, 生体特性を年齢・性別で推定し, 網膜視覚に関連付ける。
特徴関連について,提案したDLモデルにラベル情報として老化を組み込んで,老化に伴う影響領域の知識を学習する。
本研究は, 眼底画像と生体特性との関係を解析し, 眼底画像への眼疾患の拡散を発生モデルとして予測する。
論文 参考訳（メタデータ） (2023-02-08T02:17:22Z) - Generative Modelling of the Ageing Heart with Cross-Sectional Imaging
and Clinical Data [13.819131884449881]
本研究では, 加齢に伴う心臓の3次元解剖学的変化を記述するための条件生成モデルを提案する。
心臓解剖学の大規模横断データセットを用いてモデルを訓練し,横断データセットと縦データセットの両方で評価する。
論文 参考訳（メタデータ） (2022-08-28T06:14:39Z) - Assessing the Performance of Automated Prediction and Ranking of Patient
Age from Chest X-rays Against Clinicians [4.795478287106675]
深層学習は、胸部X線から患者の年齢を正確に推定することを可能にしている。
本稿では,放射線科医と最先端のディープラーニングモデルの比較研究について述べる。
我々は,脳卒中患者の年齢による1.8M胸部X線の異種データベースを用いてモデルを訓練し,モデル精度の限界について検討した。
論文 参考訳（メタデータ） (2022-07-04T10:09:48Z) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳（メタデータ） (2021-11-26T13:47:34Z) - Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。
予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。
本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
論文 参考訳（メタデータ） (2021-08-11T18:08:09Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳（メタデータ） (2021-04-22T13:39:33Z)
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。