論文の概要: Predicting Pulmonary Hypertension in Newborns: A Multi-view VAE Approach

• arxiv url: http://arxiv.org/abs/2507.11561v1
• Date: Mon, 14 Jul 2025 09:46:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.067485
• Title: Predicting Pulmonary Hypertension in Newborns: A Multi-view VAE Approach
• Title（参考訳）: 新生児における肺高血圧の予測 : 多視点VAEアプローチ
• Authors: Lucas Erlacher, Samuel Ruipérez-Campillo, Holger Michel, Sven Wellmann, Thomas M. Sutter, Ece Ozkan, Julia E. Vogt,
• Abstract要約: 新生児の肺高血圧症(PH)は肺動脈圧上昇を特徴とする重症疾患である。 心エコービデオを用いたPH予測に多視点変分オートエンコーダ(VAE)を用いる。 以上の結果より,新生児のPH評価における多視点学習の有効性が示唆された。
• 参考スコア（独自算出の注目度）: 11.821252505620336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pulmonary hypertension (PH) in newborns is a critical condition characterized by elevated pressure in the pulmonary arteries, leading to right ventricular strain and heart failure. While right heart catheterization (RHC) is the diagnostic gold standard, echocardiography is preferred due to its non-invasive nature, safety, and accessibility. However, its accuracy highly depends on the operator, making PH assessment subjective. While automated detection methods have been explored, most models focus on adults and rely on single-view echocardiographic frames, limiting their performance in diagnosing PH in newborns. While multi-view echocardiography has shown promise in improving PH assessment, existing models struggle with generalizability. In this work, we employ a multi-view variational autoencoder (VAE) for PH prediction using echocardiographic videos. By leveraging the VAE framework, our model captures complex latent representations, improving feature extraction and robustness. We compare its performance against single-view and supervised learning approaches. Our results show improved generalization and classification accuracy, highlighting the effectiveness of multi-view learning for robust PH assessment in newborns.
• Abstract（参考訳）: 新生児における肺高血圧 (PH) は、肺動脈の圧上昇を特徴とし、右室収縮と心不全を引き起こす重要な疾患である。 右心カテーテル(RHC)が診断基準となっているが,非侵襲性,安全性,アクセシビリティのため,心エコー法が好ましい。 しかし、その精度は演算子に大きく依存しており、PH評価は主観的である。 自動検出法は研究されているが、ほとんどのモデルは成人に焦点をあてており、新生児のPH診断における性能を制限している。 マルチビュー心エコー法は、PHアセスメントの改善に有望であるが、既存のモデルは一般化性に苦慮している。 本研究では,マルチビュー可変オートエンコーダ(VAE)を用いて,心エコービデオを用いたPH予測を行う。 VAEフレームワークを活用することで、我々のモデルは複雑な潜在表現をキャプチャし、特徴抽出とロバスト性を改善します。 単視点学習と教師あり学習との比較を行った。 以上の結果より,新生児のPH評価における多視点学習の有効性が示唆された。

関連論文リスト

• Machine Learning-Based Quantification of Vesicoureteral Reflux with Enhancing Accuracy and Efficiency [0.0]
  VUR(Vesicoureteral reflux)は、伝統的に主観評価システムを用いて評価される。 本研究では,VCUG(Volting cystourethrogram)画像の解析により,機械学習による診断整合性の向上について検討した。
  論文  参考訳（メタデータ） (2025-06-13T07:09:12Z)
• AI-Enabled Accurate Non-Invasive Assessment of Pulmonary Hypertension Progression via Multi-Modal Echocardiography [19.3643462695868]
  右心カテーテルは侵襲的であり、日常的な使用には適さない。 MePHは肺高血圧の進行を正確に評価するための多視点多モード視覚言語モデルである。
  論文  参考訳（メタデータ） (2025-05-12T08:38:39Z)
• Recovering Pulse Waves from Video Using Deep Unrolling and Deep Equilibrium Models [45.94962431110573]
  カメラによるバイタルサインのモニタリング、つまりイメージング光胸腺撮影(i)は、運転監視、情動コンピューティングなどに応用されている。 本稿では,逆問題における信号処理と深層学習を組み合わせた手法を提案する。
  論文  参考訳（メタデータ） (2025-03-21T16:11:21Z)
• Revisiting Medical Image Retrieval via Knowledge Consolidation [46.6989555659494]
  本稿では,階層的特徴と機能に関する知識を集約する新しい手法を提案する。 本稿では,Depth-aware Representation Fusion (DaRF)とStructure-aware Contrastive Hashing (SCH)を紹介する。 解剖学的放射線学データセットの平均精度は5.6～38.9%向上した。
  論文  参考訳（メタデータ） (2025-03-12T13:16:42Z)
• Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
  適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。 我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
  論文  参考訳（メタデータ） (2025-03-06T06:24:51Z)
• Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
  既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。 我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。 SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
  論文  参考訳（メタデータ） (2025-02-15T06:33:02Z)
• Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
  本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。 健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。 ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
  論文  参考訳（メタデータ） (2024-09-05T02:14:31Z)
• CoReEcho: Continuous Representation Learning for 2D+time Echocardiography Analysis [42.810247034149214]
  直接EF回帰に適した連続表現を強調する新しいトレーニングフレームワークであるCoReEchoを提案する。 CoReEcho: 1) 最大の心エコー画像データセット(EchoNet-Dynamic)上で現在最先端のSOTA(State-of-the-art)を、82.44の3.90&R2のMAEで上回り、2) 関連する下流タスクにおいてより効果的に転送する堅牢で一般化可能な機能を提供する。
  論文  参考訳（メタデータ） (2024-03-15T10:18:06Z)
• Improving Out-of-Distribution Detection in Echocardiographic View Classication through Enhancing Semantic Features [1.9892308483583199]
  心エコー画像における意味的特徴表現を強化するために,ラベルスムーシングを用いた新しい手法を提案する。 ラベルの平滑化とMDベースのOOD検出を組み合わせることで,心エコーによるOOD検出の精度向上のための新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2023-08-31T06:44:42Z)
• Encoding Cardiopulmonary Exercise Testing Time Series as Images for Classification using Convolutional Neural Network [9.227037203895533]
  エクササイズテストは半世紀以上にわたって利用可能であり、様々な疾患の患者の診断および予後情報のための汎用的なツールである。 本研究では,Glamian Angular Field と Markov Transition Field を用いて時系列を画像としてエンコードする。 心不全とメタボリックシンドロームの分類において,畳み込みニューラルネットワークとアテンションプールアプローチを用いて検討した。
  論文  参考訳（メタデータ） (2022-04-26T16:49:06Z)
• Interpretable Prediction of Pulmonary Hypertension in Newborns using Echocardiograms [2.770437783544638]
  新生児および乳児の肺高血圧は、いくつかの肺疾患、心臓疾患、全身疾患に関連する複雑な疾患である。 心エコー図を用いたコホート194新生児のPH予測のための多視点ビデオに基づく多視点深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-24T12:33:58Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Classification of fetal compromise during labour: signal processing and feature engineering of the cardiotocograph [0.0]
  本研究は,臨床専門知識とシステム制御理論に基づく新しいCTG機能を開発する。 特徴は、胎児の妥協を識別する上での有効性を評価するために、機械学習モデルで評価される。 ARMAは胎児の妥協を検知する主要な特徴にランク付けされている。
  論文  参考訳（メタデータ） (2021-10-31T15:02:14Z)

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。