論文の概要: VAMPIRE: Uncovering Vessel Directional and Morphological Information from OCTA Images for Cardiovascular Disease Risk Factor Prediction
- arxiv url: http://arxiv.org/abs/2507.20017v1
- Date: Sat, 26 Jul 2025 17:12:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:56.673659
- Title: VAMPIRE: Uncovering Vessel Directional and Morphological Information from OCTA Images for Cardiovascular Disease Risk Factor Prediction
- Title（参考訳）: VAMPIRE:心血管疾患危険因子予測のためのOCTA画像から血管方向および形態情報を明らかにする
- Authors: Lehan Wang, Hualiang Wang, Chubin Ou, Lushi Chen, Yunyi Liang, Xiaomeng Li,
- Abstract要約: 本稿では,CVDリスクとCVD関連条件予測を共同で行う,CVDリスク評価の多目的パラダイムを提案する。
CVDリスクアセスメントのための最初のOCTAデータセットであるOCTA-CVDと、OCTAエンフェイス画像に基づくInformative Enhancement (VAMPIRE)を用いたVessel-Aware Mambaベースの予測モデルを紹介する。
- 参考スコア（独自算出の注目度）: 7.586356391440063
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiovascular disease (CVD) remains the leading cause of death worldwide, requiring urgent development of effective risk assessment methods for timely intervention. While current research has introduced non-invasive and efficient approaches to predict CVD risk from retinal imaging with deep learning models, the commonly used fundus photographs and Optical Coherence Tomography (OCT) fail to capture detailed vascular features critical for CVD assessment compared with OCT angiography (OCTA) images. Moreover, existing methods typically classify CVD risk only as high or low, without providing a deeper analysis on CVD-related blood factor conditions, thus limiting prediction accuracy and clinical utility. As a result, we propose a novel multi-purpose paradigm of CVD risk assessment that jointly performs CVD risk and CVD-related condition prediction, aligning with clinical experiences. Based on this core idea, we introduce OCTA-CVD, the first OCTA dataset for CVD risk assessment, and a Vessel-Aware Mamba-based Prediction model with Informative Enhancement (VAMPIRE) based on OCTA enface images. Our proposed model aims to extract crucial vascular characteristics through two key components: (1) a Mamba-Based Directional (MBD) Module that captures fine-grained vascular trajectory features and (2) an Information-Enhanced Morphological (IEM) Module that incorporates comprehensive vessel morphology knowledge. Experimental results demonstrate that our method can surpass standard classification backbones, OCTA-based detection methods, and ophthalmologic foundation models. Our codes and the collected OCTA-CVD dataset are available at https://github.com/xmed-lab/VAMPIRE.
- Abstract（参考訳）: 心臓血管疾患 (CVD) は、世界的にも主要な死因であり、時間的介入のための効果的なリスクアセスメント手法の緊急開発が必要である。
現在の研究では、深層学習モデルを用いた網膜画像からCVDのリスクを予測する非侵襲的かつ効率的なアプローチが導入されたが、一般的に使われている眼底写真と光コヒーレンス・トモグラフィー(OCT)は、OCTA(OCT angiography)画像と比較して、CVD評価に不可欠な詳細な血管像を捉えられなかった。
さらに、既存の方法では、CVDに関連する血液因子の状態をより深く分析することなく、CVDのリスクを高いか低いかでのみ分類し、予測精度と臨床的有用性を制限している。
そこで本研究では,CVDリスクとCVD関連症状予測を共同で行う,CVDリスクアセスメントの多目的パラダイムを提案する。
この中核的な考え方に基づいて,CVDリスクアセスメントのための最初のOCTAデータセットであるOCTA-CVDと,OCTAエンフェイス画像に基づくインフォーマティブ・エンハンスメント(VAMPIRE)を用いたVessel-Aware Mambaベースの予測モデルを紹介する。
提案モデルでは,(1)細粒度血管の軌跡を捉えるMamba-Based Directional (MBD)モジュール,(2)包括的血管形態学知識を取り入れたInformation-Enhanced Morphological (IEM)モジュールの2つの重要な構成要素から,重要な血管特性を抽出することを目的としている。
実験により,本手法は標準分類バックボーン,OCTAに基づく検出法,眼科基礎モデルを上回ることができることが示された。
私たちのコードと収集したOCTA-CVDデータセットはhttps://github.com/xmed-lab/VAMPIRE.comで公開されています。
関連論文リスト
- Whole-body Representation Learning For Competing Preclinical Disease Risk Assessment [10.200639509943443]
本研究では,前臨床疾患リスク評価のための全身自己指導型表現学習法を提案する。
このアプローチは、心臓血管疾患(CVD)、T2D型糖尿病(T2D)、慢性閉塞性肺疾患(COPD)、慢性腎臓病(CKD)など、複数の疾患における全身放射能より優れている。
以上の結果から, 早期パーソナライズされたリスク階層化のための, 単体スクリーニングモダリティとしての全身表現の可能性や, 臨床におけるマルチモーダルフレームワークの一部としての可能性が示唆された。
論文 参考訳（メタデータ） (2025-08-04T11:20:31Z) - Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。
包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
論文 参考訳（メタデータ） (2025-05-30T14:42:02Z) - 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) - A Joint Representation Using Continuous and Discrete Features for Cardiovascular Diseases Risk Prediction on Chest CT Scans [12.652540031719571]
胸部CT画像から抽出した離散的量的バイオマーカーと連続的な深部特徴を統合した新しい関節表現法を提案する。
本手法はCVDリスク予測性能を大幅に改善し,各バイオマーカーの個人貢献分析を行う。
論文 参考訳（メタデータ） (2024-10-24T10:06:45Z) - Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。
本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。
そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文 参考訳（メタデータ） (2024-10-18T12:37:51Z) - Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
心臓血管疾患(CVD)が世界的に死因となっている。
光コヒーレンストモグラフィー(OCT)は早期のCVDリスク予測の潜在的なツールとして認識されている。
我々は,将来のCVD事象を予測するための追加撮像技術としてのOCTの可能性について検討した。
論文 参考訳（メタデータ） (2024-03-26T14:42:46Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳（メタデータ） (2023-03-09T15:38:16Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳（メタデータ） (2022-04-20T17:28:08Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z) - An explainable XGBoost-based approach towards assessing the risk of
cardiovascular disease in patients with Type 2 Diabetes Mellitus [1.761604268733064]
糖尿病患者における心血管疾患(CVD)は障害・死亡の重要な原因である
本研究の目的は、T2DM患者における致命的または非致死的CVDの発症に関するパーソナライズされたリスク予測モデルを開発し、評価することである。
論文 参考訳（メタデータ） (2020-09-14T12:19:10Z)
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。