論文の概要: Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces

• arxiv url: http://arxiv.org/abs/2506.08729v1
• Date: Tue, 10 Jun 2025 12:27:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.380175
• Title: Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces
• Title（参考訳）: 腹部大動脈瘤における局所的成長予測のための幾何学的深層学習
• Authors: Dieuwertje Alblas, Patryk Rygiel, Julian Suk, Kaj O. Kappe, Marieke Hofman, Christoph Brune, Kak Khee Yeung, Jelmer M. Wolterink,
• Abstract要約: 腹部大動脈瘤 (AAA) は腹部大動脈の進行性局所拡張である。 現在の臨床ガイドラインでは、AAAの最大径が男性55mm、女性50mmを超える場合は、選択的外科的修復を推奨している。 局所的・多物理的特徴に富んだ血管表面のAAA成長を直接予測するためにSE(3)対称変圧器モデルを提案する。
• 参考スコア（独自算出の注目度）: 1.9594078085768536
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Abdominal aortic aneurysms (AAAs) are progressive focal dilatations of the abdominal aorta. AAAs may rupture, with a survival rate of only 20\%. Current clinical guidelines recommend elective surgical repair when the maximum AAA diameter exceeds 55 mm in men or 50 mm in women. Patients that do not meet these criteria are periodically monitored, with surveillance intervals based on the maximum AAA diameter. However, this diameter does not take into account the complex relation between the 3D AAA shape and its growth, making standardized intervals potentially unfit. Personalized AAA growth predictions could improve monitoring strategies. We propose to use an SE(3)-symmetric transformer model to predict AAA growth directly on the vascular model surface enriched with local, multi-physical features. In contrast to other works which have parameterized the AAA shape, this representation preserves the vascular surface's anatomical structure and geometric fidelity. We train our model using a longitudinal dataset of 113 computed tomography angiography (CTA) scans of 24 AAA patients at irregularly sampled intervals. After training, our model predicts AAA growth to the next scan moment with a median diameter error of 1.18 mm. We further demonstrate our model's utility to identify whether a patient will become eligible for elective repair within two years (acc = 0.93). Finally, we evaluate our model's generalization on an external validation set consisting of 25 CTAs from 7 AAA patients from a different hospital. Our results show that local directional AAA growth prediction from the vascular surface is feasible and may contribute to personalized surveillance strategies.
• Abstract（参考訳）: 腹部大動脈瘤 (AAA) は腹部大動脈の進行性局所拡張である。 AAAは破裂する可能性があり、生存率はわずか20%である。 現在の臨床ガイドラインでは、AAAの最大径が男性55mm、女性50mmを超える場合は、選択的外科的修復を推奨している。 これらの基準を満たさない患者は、AAAの最大径に基づく監視間隔で定期的に監視される。 しかし、この直径は3次元AAA形状と成長の複雑な関係を考慮に入れておらず、標準化された間隔が適さない可能性がある。 パーソナライズされたAAA成長予測は監視戦略を改善する可能性がある。 局所的・多物理的特徴に富んだ血管表面のAAA成長を直接予測するためにSE(3)対称変圧器モデルを提案する。 AAAの形状をパラメータ化した他の作品とは対照的に、この表現は血管表面の解剖学的構造と幾何学的忠実さを保存している。 我々は,AAA患者24名を対象に,CTアンギオグラフィー(CTA)の経時的データセットを用いて,不規則サンプリング間隔でトレーニングを行った。 トレーニング後, 平均径1.18mmのAAA成長を次のスキャンモーメントまで予測した。 さらに,2年以内に患者が選択的修復を受けられるかどうか(acc=0.93)を確認するために,我々のモデルの有用性を実証する。 最後に,異なる病院のAAA患者7名のうち25名のCTAからなる外的検証セットについて,本モデルの一般化を評価した。 以上の結果より, 血管表面からの局所的なAAA成長予測は可能であり, パーソナライズされた監視戦略に寄与する可能性が示唆された。

関連論文リスト

• A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
  全体拡散強調MRI(WB-DWI)のADC値とTotal Diffusion Volume(TDV)が癌画像バイオマーカーとして認識されている。 最初のステップとして, 骨格, 隣接する内臓器(肝, 脾臓, 膀胱, 腎臓) および脊髄の高速かつ再現可能な確率マップを生成するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-26T17:03:46Z)
• Computer-aided shape features extraction and regression models for predicting the ascending aortic aneurysm growth rate [3.4332399672303513]
  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。
  論文  参考訳（メタデータ） (2025-03-04T10:21:20Z)
• Towards Patient-Specific Surgical Planning for Bicuspid Aortic Valve Repair: Fully Automated Segmentation of the Aortic Valve in 4D CT [0.0732099897993399]
  Bicuspid aortic valve(BAV)は先天性心不全の最も多い疾患であり、狭窄、逆流、大動脈症などの合併症の手術を必要とする可能性がある。 造影CT(Contrast-enhanced 4D Computed Tomography)はコントラストと空間分解能に優れた体積時間配列を生成する。 ディープラーニングベースの手法は、完全に自動化されたセグメンテーションが可能であるが、BAV固有のモデルは存在しない。
  論文  参考訳（メタデータ） (2025-02-13T22:43:43Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• ScaleMAI: Accelerating the Development of Trusted Datasets and AI Models [46.80682547774335]
  我々はAI統合データキュレーションとアノテーションのエージェントであるScaleMAIを提案する。 まず、ScaleMAIは25,362個のCTスキャンを作成した。 第2に、プログレッシブなヒューマン・イン・ザ・ループのイテレーションを通じて、ScaleMAIはFragship AI Modelを提供する。
  論文  参考訳（メタデータ） (2025-01-06T22:12:00Z)
• Implicit Neural Representations for Modeling of Abdominal Aortic Aneurysm Progression [3.145216860241017]
  腹部大動脈瘤 (AAA) は腹部大動脈の進行性拡張であり,未治療の場合には致死性病変で破裂する。 AAAの進行をモデル化するための暗黙的神経表現(INR)に基づくモデルを提案する。
  論文  参考訳（メタデータ） (2023-03-02T08:43:40Z)
• TotalSegmentator: robust segmentation of 104 anatomical structures in CT images [48.50994220135258]
  身体CT画像の深層学習セグメント化モデルを提案する。 このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
  論文  参考訳（メタデータ） (2022-08-11T15:16:40Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• 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)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。