論文の概要: 3D CT-Based Coronary Calcium Assessment: A Feature-Driven Machine Learning Framework

• arxiv url: http://arxiv.org/abs/2510.25347v1
• Date: Wed, 29 Oct 2025 10:04:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.391527
• Title: 3D CT-Based Coronary Calcium Assessment: A Feature-Driven Machine Learning Framework
• Title（参考訳）: 3D CTによる冠動脈カルシウム評価 : 特徴駆動型機械学習フレームワーク
• Authors: Ayman Abaid, Gianpiero Guidone, Sara Alsubai, Foziyah Alquahtani, Talha Iqbal, Ruth Sharif, Hesham Elzomor, Emiliano Bianchini, Naeif Almagal, Michael G. Madden, Faisal Sharif, Ihsan Ullah,
• Abstract要約: 冠状動脈疾患(CAD)の早期発見と危険層形成における冠状動脈カルシウム(CAC)スコアの意義 本研究では,非コントラスト型冠動脈造影CT(CCTA)スキャンに焦点をあて,臨床現場での早期石灰化検出に広く用いられている。 限られたアノテートデータに対処するために、擬似ラベルを利用してトレーニングラベルを生成する放射能ベースのパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.6595674042529606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coronary artery calcium (CAC) scoring plays a crucial role in the early detection and risk stratification of coronary artery disease (CAD). In this study, we focus on non-contrast coronary computed tomography angiography (CCTA) scans, which are commonly used for early calcification detection in clinical settings. To address the challenge of limited annotated data, we propose a radiomics-based pipeline that leverages pseudo-labeling to generate training labels, thereby eliminating the need for expert-defined segmentations. Additionally, we explore the use of pretrained foundation models, specifically CT-FM and RadImageNet, to extract image features, which are then used with traditional classifiers. We compare the performance of these deep learning features with that of radiomics features. Evaluation is conducted on a clinical CCTA dataset comprising 182 patients, where individuals are classified into two groups: zero versus non-zero calcium scores. We further investigate the impact of training on non-contrast datasets versus combined contrast and non-contrast datasets, with testing performed only on non contrast scans. Results show that radiomics-based models significantly outperform CNN-derived embeddings from foundation models (achieving 84% accuracy and p<0.05), despite the unavailability of expert annotations.
• Abstract（参考訳）: 冠状動脈カルシウム(CAC)スコアは,冠動脈疾患(CAD)の早期発見とリスク成層化において重要な役割を担っている。 本研究では,非コントラスト型冠動脈造影CT(CCTA)を臨床現場で早期石灰化検出に用いた。 限られたアノテートデータの課題に対処するために、擬似ラベルを利用してトレーニングラベルを生成するラジオミクスベースのパイプラインを提案し、専門家定義のセグメンテーションを不要にする。 さらに,CT-FMやRadImageNetなど,事前訓練された基礎モデルを用いて画像の特徴を抽出し,従来の分類器と併用する方法について検討する。 これらの深層学習機能と放射能機能の比較を行った。 182人の患者からなる臨床CCTAデータセットを用いて評価を行い、個人はゼロと非ゼロのカルシウムスコアの2つのグループに分類される。 さらに、非コントラスト・データセットとコントラスト・データセットの併用による非コントラスト・データセットに対するトレーニングの効果について検討し、非コントラスト・スキャンでのみテストを行う。 その結果, 専門家のアノテーションが利用できないにもかかわらず, 基礎モデルからCNN由来の埋め込み(精度84%, p<0.05)を著しく上回った。

関連論文リスト

• Taylor-Series Expanded Kolmogorov-Arnold Network for Medical Imaging Classification [0.0]
  本研究は,限られた多様なデータセットを用いた正確な医用画像分類のためのKAN(Kolmogorov-Arnold Networks)を紹介する。 モデルはSBTAYLOR-KAN、B-splinesとTaylorシリーズの統合、SBRBF-KAN、Morletウェーブレット変換にB-splinesを埋め込むSBWAVELET-KANである。 脳MRI,胸部X線,結核X線,皮膚病変画像を前処理なしで評価した。
  論文  参考訳（メタデータ） (2025-09-17T04:33:54Z)
• Cardiovascular disease classification using radiomics and geometric features from cardiac CT [14.254217534681997]
  CVD分類パイプラインを, (i) 画像分割, (ii) 画像登録, (iii) 下流CVD分類の3つのコンポーネントに分割した。 具体的には、Atlas-ISTNフレームワークと最近のセグメンテーション基礎モデルを用いて、解剖学的構造セグメンテーションと規範的健全なアトラスを生成する。 ASOCAデータセットを用いた実験により,これらの特徴を生CT画像を直接トレーニングした分類モデル(67.50%)と比較すると,CVD分類精度(87.50%)が向上することが示された。
  論文  参考訳（メタデータ） (2025-06-27T13:43:05Z)
• DINO-LG: A Task-Specific DINO Model for Coronary Calcium Scoring [0.0]
  冠動脈疾患(CAD)は世界中で死亡率の高い疾患の一つである。 UNETアーキテクチャをベースとした従来の方法では、冠動脈カルシウム(CAC)を含む注記CTスキャンの不足など、課題に直面している。 本研究では,DINOの自己教師型学習(SSL)技術を取り入れることで,これらの制約に対処する。
  論文  参考訳（メタデータ） (2024-11-12T17:55:39Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
  本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。 提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• Generative Models Improve Radiomics Performance in Different Tasks and Different Datasets: An Experimental Study [3.040206021972938]
  ラジオミクス(Radiomics)は、医用画像からの高スループット特徴抽出に焦点を当てた研究分野である。 生成モデルは、異なるタスクにおける低線量CTベースの放射能の性能を改善することができる。
  論文  参考訳（メタデータ） (2021-09-06T06:01:21Z)
• Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
  我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。 本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。 我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
  論文  参考訳（メタデータ） (2020-06-06T06:48:40Z)

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。