論文の概要: Predicting Coronary Artery Calcium Severity based on Non-Contrast Cardiac CT images using Deep Learning

• arxiv url: http://arxiv.org/abs/2511.07695v1
• Date: Wed, 12 Nov 2025 01:12:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.433073
• Title: Predicting Coronary Artery Calcium Severity based on Non-Contrast Cardiac CT images using Deep Learning
• Title（参考訳）: 深層学習を用いた非コントラスト心エコー画像による冠動脈カルシウムの重症度予測
• Authors: Lachlan Nguyen, Aidan Cousins, Arcot Sowmya, Hugh Dixson, Sonit Singh,
• Abstract要約: 冠動脈カルシウム(CAC)スコアリングは動脈硬化性心血管疾患のリスクを高める強力なツールである。 現在のスコアリングは、心臓CT画像の時間集約的な半自動解析を必要とする。 本研究は, 心筋非造影CT画像におけるカルシウムスコアを6つの臨床カテゴリの1つに分類するCNNモデルを開発した。
• 参考スコア（独自算出の注目度）: 6.223136363125015
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cardiovascular disease causes high rates of mortality worldwide. Coronary artery calcium (CAC) scoring is a powerful tool to stratify the risk of atherosclerotic cardiovascular disease. Current scoring practices require time-intensive semiautomatic analysis of cardiac computed tomography by radiologists and trained radiographers. The purpose of this study is to develop a deep learning convolutional neural networks (CNN) model to classify the calcium score in cardiac, non-contrast computed tomography images into one of six clinical categories. A total of 68 patient scans were retrospectively obtained together with their respective reported semiautomatic calcium score using an ECG-gated GE Discovery 570 Cardiac SPECT/CT camera. The dataset was divided into training, validation and test sets. Using the semiautomatic CAC score as the reference label, the model demonstrated high performance on a six-class CAC scoring categorisation task. Of the scans analysed, the model misclassified 32 cases, tending towards overestimating the CAC in 26 out of 32 misclassifications. Overall, the model showed high agreement (Cohen's kappa of 0.962), an overall accuracy of 96.5% and high generalisability. The results suggest that the model outputs were accurate and consistent with current semiautomatic practice, with good generalisability to test data. The model demonstrates the viability of a CNN model to stratify the calcium score into an expanded set of six clinical categories.
• Abstract（参考訳）: 心臓血管疾患は世界中で死亡率が高い。 冠動脈カルシウム(CAC)スコアリングは動脈硬化性心血管疾患のリスクを高める強力なツールである。 現在のスコアリングは、放射線技師や訓練されたラジオグラフィーによる心電図の時間集約的な半自動分析を必要とする。 本研究の目的は,非コントラストCT画像のカルシウムスコアを6つの臨床カテゴリの1つに分類する深層学習畳み込みニューラルネットワーク(CNN)モデルを開発することである。 計68件の患者スキャンと,心電図付きGE Discovery 570 SPECT/CTカメラを用いた半自動カルシウム測定結果が一致した。 データセットはトレーニング、検証、テストセットに分割された。 半自動CACスコアを基準ラベルとして、6クラスCACスコア分類タスクにおいて高い性能を示した。 スキャンの結果,32例中26例でCACを過大評価する傾向がみられた。 全体として、モデルは高い一致(コーエンのカッパ0.962)を示し、全体の96.5%の精度と高い一般性を示した。 その結果、モデル出力は正確で、現在の半自動的なプラクティスと整合性があり、テストデータに優れた一般化性が示唆された。 このモデルは、CNNモデルがカルシウムスコアを6つの臨床カテゴリーに拡大する可能性を示す。

関連論文リスト

• Pretrained hybrid transformer for generalizable cardiac substructures segmentation from contrast and non-contrast CTs in lung and breast cancers [3.704003490598663]
  放射線治療計画(RTP)のためのAI自動セグメンテーションは、トレーニングデータセットとは異なる特徴を持つ臨床ケースに適用した場合、劣化する可能性がある。 肺がんおよび乳癌患者の心下組織を分断するために, プレトレーニングしたトランスフォーマーをハイブリッドトランスフォーマー畳み込みネットワーク (HTN) に改良した。 HTNは, 画像, 患者特性の異なるCTからの心筋部分構造を, 確固たる精度(幾何学的, 線量的測定値)で示していた。
  論文  参考訳（メタデータ） (2025-05-16T04:48:33Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Automated Plaque Detection and Agatston Score Estimation on Non-Contrast CT Scans: A Multicenter Study [2.4476474544077225]
  本研究の目的は,3次元マルチクラスnnU-Netを用いた心臓プラーク自動検出モデルを検証することである。 本研究では,nU-Netセグメンテーションパイプラインを用いて冠状動脈と弁のプラークを検出する方法を示す。 線形補正により、nU-Net深層学習法は胸部非造影CTスキャンでAgatstonスコアを正確に推定することができる。
  論文  参考訳（メタデータ） (2024-02-14T20:41:37Z)
• Neural network-based coronary dominance classification of RCA angiograms [0.3177496877224142]
  右冠状動脈 (RCA) 血管造影による心臓支配の分類法を提案する。 対象は828例で,その内192例が左支配症例であった。 RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功していることが示されている。
  論文  参考訳（メタデータ） (2023-09-13T13:47:52Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Motion-related Artefact Classification Using Patch-based Ensemble and Transfer Learning in Cardiac MRI [5.186000805926489]
  本稿では,アンサンブルとトランスファーラーニングを用いた自動心臓MRI品質推定フレームワークを提案する。 トレーニングデータからサンプルした2次元画像パッチに,複数の事前学習モデルを初期化し,微調整した。 トレーニングセットと検証セットでそれぞれ78.8%と70.0%の分類精度を達成した。
  論文  参考訳（メタデータ） (2022-10-14T11:31:40Z)
• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• 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)
• Automated Coronary Calcium Scoring using U-Net Models through Semi-supervised Learning on Non-Gated CT Scans [0.0]
  リアルタイムの冠動脈石灰化スコアは、非ゲートCTスキャンではなく、ゲートCTスキャンでのみ計算される。 モデルは非ゲートCTスキャンの予測に用いられ、平均絶対誤差は674.19、バケット分類精度は41%であった。 新たに採取した非ゲートスキャンは、CTスキャンと密接に類似しており、MAE(62.38)では91%、精度は23%向上した。
  論文  参考訳（メタデータ） (2022-06-13T20:02:02Z)
• COVID-19 Classification of X-ray Images Using Deep Neural Networks [36.99143569437537]
  本研究の目的は、新型コロナウイルスの診断のための機械学習モデルの作成と評価である。 機械学習モデルは、事前訓練されたディープラーニングモデル(ReNet50)を使用して構築され、データ拡張と肺分節によって強化された。 精度,感度,受信特性曲線(ROC)と高精度リコール曲線(P-R)を用いて評価した。
  論文  参考訳（メタデータ） (2020-10-03T13:57:08Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。