論文の概要: Imaging-anchored Multiomics in Cardiovascular Disease: Integrating Cardiac Imaging, Bulk, Single-cell, and Spatial Transcriptomics

• arxiv url: http://arxiv.org/abs/2601.07871v1
• Date: Sat, 10 Jan 2026 23:30:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:18.882233
• Title: Imaging-anchored Multiomics in Cardiovascular Disease: Integrating Cardiac Imaging, Bulk, Single-cell, and Spatial Transcriptomics
• Title（参考訳）: 心血管疾患におけるイメージング・アンコールド・マルチオミクス : 心臓イメージング,バルク,単細胞,空間トラノドミクスの統合
• Authors: Minh H. N. Le, Tuan Vinh, Thanh-Huy Nguyen, Tao Li, Bao Quang Gia Le, Han H. Huynh, Monika Raj, Carl Yang, Min Xu, Nguyen Quoc Khanh Le,
• Abstract要約: 心血管疾患は遺伝リスク、分子プログラム、組織規模のリモデリングの相互作用から生じる。 本総説では, 心電図の表現型を転写学的, 空間的に解決された分子状態に結びつける関節表現について検討する。
• 参考スコア（独自算出の注目度）: 15.056399229234133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cardiovascular disease arises from interactions between inherited risk, molecular programmes, and tissue-scale remodelling that are observed clinically through imaging. Health systems now routinely generate large volumes of cardiac MRI, CT and echocardiography together with bulk, single-cell and spatial transcriptomics, yet these data are still analysed in separate pipelines. This review examines joint representations that link cardiac imaging phenotypes to transcriptomic and spatially resolved molecular states. An imaging-anchored perspective is adopted in which echocardiography, cardiac MRI and CT define a spatial phenotype of the heart, and bulk, single-cell and spatial transcriptomics provide cell-type- and location-specific molecular context. The biological and technical characteristics of these modalities are first summarised, and representation-learning strategies for each are outlined. Multimodal fusion approaches are reviewed, with emphasis on handling missing data, limited sample size, and batch effects. Finally, integrative pipelines for radiogenomics, spatial molecular alignment, and image-based prediction of gene expression are discussed, together with common failure modes, practical considerations, and open challenges. Spatial multiomics of human myocardium and atherosclerotic plaque, single-cell and spatial foundation models, and multimodal medical foundation models are collectively bringing imaging-anchored multiomics closer to large-scale cardiovascular translation.
• Abstract（参考訳）: 心血管疾患は、遺伝リスク、分子プログラム、およびイメージングによって臨床的に観察される組織規模のリモデリングの間の相互作用から生じる。 医療システムは現在、大量の心臓MRI、CT、心エコー検査、バルク、単細胞、空間転写学を定期的に生成しているが、これらのデータは別個のパイプラインで分析されている。 本総説では, 心電図の表現型を転写学的, 空間的に解決された分子状態に結びつける関節表現について検討する。 心エコー、心臓MRI、CTは心臓の空間表現型を定義し、バルク、単細胞および空間転写学は細胞型および位置特異的な分子コンテキストを提供する。 これらのモダリティの生物学的・技術的特徴をまず要約し,それぞれの表現学習戦略を概説する。 欠落したデータ、限られたサンプルサイズ、バッチ効果の処理に重点を置いて、マルチモーダル融合アプローチをレビューする。 最後に、放射ゲノミクス、空間分子アライメント、画像に基づく遺伝子発現予測のための積分パイプラインについて、共通の障害モード、実践的考察、オープンチャレンジとともに論じる。 ヒト心筋と動脈硬化プラークの空間的マルチオミクス、単細胞および空間的基礎モデル、およびマルチモーダル医療ファンデーションモデルは、まとめて、画像アンコールされたマルチオミクスを大規模な心臓血管翻訳に近づけている。

関連論文リスト

• Enabling Ultra-Fast Cardiovascular Imaging Across Heterogeneous Clinical Environments with a Generalist Foundation Model and Multimodal Database [64.65360708629485]
  MMCMR-427Kは、最大かつ最も包括的なマルチモーダル心血管共鳴k空間データベースである。 CardioMMは、異種高速CMRイメージングシナリオに適応可能な再構成基盤モデルである。 CardioMMは、物理インフォームドデータ一貫性と意味的文脈理解を統合して、堅牢な再構築を実現する。
  論文  参考訳（メタデータ） (2025-12-25T12:47:50Z)
• Multiscale Cross-Modal Mapping of Molecular, Pathologic, and Radiologic Phenotypes in Lipid-Deficient Clear Cell Renal CellCarcinoma [20.5770391049623]
  脂肪欠乏性脱クラー細胞分化型(DCCD) ccRCCサブタイプは早期疾患においても有害な結果に関連している。 そこで我々は,DCCD-ccRCCの術前同定のための階層的クロススケールフレームワークを構築した。 PathoDCCDは、細胞形態や組織構造からメソ領域の組織まで、多スケールの顕微鏡的特徴を捉えた。 RadioDCCDは、全腫瘍とその生息地-準領域の放射能を組み合わせることで、相補的なマクロな情報を統合した。
  論文  参考訳（メタデータ） (2025-12-13T23:49:41Z)
• Cardiac MRI Semantic Segmentation for Ventricles and Myocardium using Deep Learning [0.0]
  非侵襲的心臓診断は、心疾患の早期発見において重要な役割を担っている。 心臓画像のセマンティックセグメンテーションを改善するためのモデルを提案する。
  論文  参考訳（メタデータ） (2025-04-18T00:54:30Z)
• Towards Cardiac MRI Foundation Models: Comprehensive Visual-Tabular Representations for Whole-Heart Assessment and Beyond [32.1161393835796]
  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)
• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [57.044719143401664]
  病理組織学と転写学は、腫瘍学の基本的なモダリティであり、疾患の形態学的および分子的側面を包含している。 モーダルアライメントと保持を両立させる新しいマルチモーダル表現学習法であるMIRRORを提案する。 がんの亜型化と生存分析のためのTCGAコホートに関する広範囲な評価は,MIRRORの優れた性能を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-01T07:02:30Z)
• Enhanced MRI Representation via Cross-series Masking [48.09478307927716]
  自己教師型でMRI表現を効果的に学習するためのクロスシリーズ・マスキング(CSM)戦略 メソッドは、パブリックデータセットと社内データセットの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-12-10T10:32:09Z)
• A Comparative Analysis of U-Net-based models for Segmentation of Cardiac MRI [0.0]
  本稿では,心臓短軸MRI(Magnetic Resonance Imaging)画像のセマンティックセグメンテーションにおけるディープラーニング手法の適用について検討する。 焦点は、U-Netの派生品である様々なアーキテクチャの実装に焦点を当て、包括的な解剖学的および機能解析のために心臓の特定の部分を効果的に分離することである。
  論文  参考訳（メタデータ） (2024-01-18T13:51:20Z)
• Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for Multimodal Medical Diagnosis [59.35504779947686]
  GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。 評価対象は17の人体システムである。 GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。 疾患の診断と包括的報告作成において重大な課題に直面している。
  論文  参考訳（メタデータ） (2023-10-15T18:32:27Z)
• Shape of my heart: Cardiac models through learned signed distance functions [33.29148402516714]
  本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。 この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。 また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
  論文  参考訳（メタデータ） (2023-08-31T09:02:53Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。