論文の概要: PRISM: A Framework Harnessing Unsupervised Visual Representations and Textual Prompts for Explainable MACE Survival Prediction from Cardiac Cine MRI

• arxiv url: http://arxiv.org/abs/2508.19325v1
• Date: Tue, 26 Aug 2025 17:23:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.382573
• Title: PRISM: A Framework Harnessing Unsupervised Visual Representations and Textual Prompts for Explainable MACE Survival Prediction from Cardiac Cine MRI
• Title（参考訳）: PRISM : 心臓頭部MRIによる説明可能なMACE生存予測のための教師なし視覚表現とテキストプロンプトを併用したフレームワーク
• Authors: Haoyang Su, Jin-Yi Xiang, Shaohao Rui, Yifan Gao, Xingyu Chen, Tingxuan Yin, Xiaosong Wang, Lian-Ming Wu,
• Abstract要約: PRISMは、非コントラスト心筋磁気共鳴画像からの視覚的表現を構造化された電子健康記録と統合する自己教師型フレームワークである。 PRISMは、古典的生存予測モデルと最先端(SOTA)ディープラーニングベースラインを一貫して超越している。 MACEリスクの上昇に関連する3つの異なる画像所見が発見された。
• 参考スコア（独自算出の注目度）: 30.606766457630272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate prediction of major adverse cardiac events (MACE) remains a central challenge in cardiovascular prognosis. We present PRISM (Prompt-guided Representation Integration for Survival Modeling), a self-supervised framework that integrates visual representations from non-contrast cardiac cine magnetic resonance imaging with structured electronic health records (EHRs) for survival analysis. PRISM extracts temporally synchronized imaging features through motion-aware multi-view distillation and modulates them using medically informed textual prompts to enable fine-grained risk prediction. Across four independent clinical cohorts, PRISM consistently surpasses classical survival prediction models and state-of-the-art (SOTA) deep learning baselines under internal and external validation. Further clinical findings demonstrate that the combined imaging and EHR representations derived from PRISM provide valuable insights into cardiac risk across diverse cohorts. Three distinct imaging signatures associated with elevated MACE risk are uncovered, including lateral wall dyssynchrony, inferior wall hypersensitivity, and anterior elevated focus during diastole. Prompt-guided attribution further identifies hypertension, diabetes, and smoking as dominant contributors among clinical and physiological EHR factors.
• Abstract（参考訳）: MACE(Major Bad Heartc Event)の正確な予測は、心血管性予後における中心的な課題である。 PRISM(Prompt-guided Representation Integration for Survival Modeling)は、非コントラスト心筋磁気共鳴画像からの視覚的表現と、構造化された電子健康記録(EHR)を統合して生存分析を行う自己教師型フレームワークである。 PRISMは、モーション対応多視点蒸留を通して時間同期画像の特徴を抽出し、医学的に情報を得たテキストプロンプトを用いて修正し、きめ細かいリスク予測を可能にする。 4つの独立した臨床コホートの中で、PRISMは内部および外部の検証の下で、古典的生存予測モデルと最先端(SOTA)ディープラーニングベースラインを一貫して超越している。 PRISMから得られた画像とERHの併用は、様々なコホートにまたがる心臓のリスクに対する貴重な洞察をもたらすことが、さらに臨床的に明らかとなった。 MACEリスクの上昇に関連する3つの異なる画像所見が発見され, 横壁ジスモニー, 下壁過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 横隔膜過敏症, 心症, 横隔膜過敏症, 横隔膜過敏症, 心症, 横隔膜過敏症, Prompt-guided Attributionは、高血圧、糖尿病、喫煙を臨床および生理的EHR因子の主要な要因として同定する。

関連論文リスト

• MOSCARD -- Causal Reasoning and De-confounding for Multimodal Opportunistic Screening of Cardiovascular Adverse Events [3.206697649226124]
  MACE(Major Adverse Cardiovascular Events)は、2021年のGlobal Disease Studyで報告された、世界の死亡率の主要な原因である。 機会論的スクリーニングは、定期的な健康チェックから収集されたデータを活用し、マルチモーダルデータはリスクのある個人を特定する上で重要な役割を果たす。 そこで我々は,MOSCARD(MOSCARD, Multimodal causal reasoning with co-attention)という新たな予測モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-23T22:28:37Z)
• CardioCoT: Hierarchical Reasoning for Multimodal Survival Analysis [2.668073128790639]
  新たな2段階の階層的推論強化型生存分析フレームワークであるCardioCoTを提案する。 第一段階では,LLM/VLMを誘導するエビデンス強化自己精製機構を用いて,ロバストな階層的推論軌道を生成する。 第2段階では、リスクモデルトレーニングと予測のための画像データと推論軌跡を統合する。
  論文  参考訳（メタデータ） (2025-05-25T15:41:18Z)
• Towards Cardiac MRI Foundation Models: Comprehensive Visual-Tabular Representations for Whole-Heart Assessment and Beyond [17.12109841946122]
  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。
  論文  参考訳（メタデータ） (2025-04-17T15:46:19Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• 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)
• 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)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。