論文の概要: Non-intrusive Body Composition Assessment from Full-body mmWave Scans

• arxiv url: http://arxiv.org/abs/2605.08306v1
• Date: Fri, 08 May 2026 12:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.553259
• Title: Non-intrusive Body Composition Assessment from Full-body mmWave Scans
• Title（参考訳）: フルボディmmウェーブスコープによる非侵襲体組成評価
• Authors: Miriam Senne, Benjamin D. Killeen, Tony Wang, Nassir Navab,
• Abstract要約: ボディコンポジションアセスメント(BCA)は、体内の異なる組織タイプの分布に関する詳細な情報を提供する。 CTやMRIなどのBCAの標準法は一般市民の日常的な使用には適していない。 本稿では,ミリ波レーダ (mmWave) という医療応用では使われていない画像モダリティについて考察する。
• 参考スコア（独自算出の注目度）: 38.769987188064555
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Body composition assessment (BCA) provides detailed information about the distribution of different tissue types in the body, enabling more precise characterization of individuals than BMI or weight alone. Consistent and frequent BCA would be valuable for personalized medicine, but the gold standard methods for BCA, such as CT and MRI, are only practical for opportunistic monitoring of patients with clinical indications for imaging and are not suitable for routine use in the general population. Here, we consider an imaging modality which is not currently used in medical applications: millimeter wave (mmWave) radar. Commonly used in security settings, mmWave scans enable fast, non-intrusive, and privacy-preserving reconstruction of full body shape without the need to remove clothing. To demonstrate the feasibility of fast and convenient BCA from mmWave scans, we present a method for BCA value regression using a multi-task learning strategy that leverages synthetic mmWave-like point clouds derived from clinical imaging and parametric human models. We evaluate the model on a pilot cohort of real mmWave scans with bioimpedance-derived body fat measurements, supporting the feasibility of estimating VAT and body fat percentage (BFP) from mmWave data acquired through clothing in a standing posture. We find that the model can predict VAT and BFP with a mean absolute error of 1.0 L and 3.2\%, respectively, demonstrating the potential of mmWave scanning for routine BCA in a wide range of settings.
• Abstract（参考訳）: ボディコンポジションアセスメント(BCA)は、体内の異なる組織タイプの分布に関する詳細な情報を提供し、BMIや体重より正確に個人を特徴づけることを可能にする。 持続的かつ頻繁なBCAはパーソナライズドメディカルな医療に有用であるが、CTやMRIなどのBCAのゴールドスタンダードの手法は、画像診断のための臨床指標を持つ患者の近視的モニタリングにのみ有効であり、一般市民の日常的使用には適さない。 本稿では,ミリ波レーダ (mmWave) という医療応用では使われていない画像モダリティについて考察する。 セキュリティ設定で一般的に使用されるmmWaveスキャンは、服を脱ぐことなく、速く、非侵襲的で、完全な体型を保存できる。 臨床画像とパラメトリック人体モデルから得られる合成mmWave様の点雲を利用するマルチタスク学習戦略を用いて,mmWaveスキャンから高速かつ便利なBCA値回帰を実現する方法を提案する。 本研究は, 生体適合性由来の体脂肪測定による実mmWaveスキャンのパイロットコホートにおけるモデルの評価を行い, 立位姿勢で服用したmmWaveデータからVATとBFPを推定し, 体脂肪率(BFP)を推定できる可能性について検討した。 VATとBFPは平均絶対誤差 1.0 L と 3.2\% で予測でき、幅広い設定で通常の BCA に対する mmWave スキャンの可能性を示す。

関連論文リスト

• NeuralBoneReg: A Novel Self-Supervised Method for Robust and Accurate Multi-Modal Bone Surface Registration [1.9699204876675205]
  コンピュータおよびロボットによる整形外科手術(CAOS)では、術前画像から患者固有の手術計画が目標位置とインプラント軌跡を定義している。 手術中、これらの計画は術前データと術中データとの正確な相互登録に依存して正確に転送されなければならない。 本研究では, 3次元点雲を用いて骨表面をモダリティに依存しない表現として登録する, 自己教師型表面ベースフレームワークであるNeuralBoneRegを提案する。
  論文  参考訳（メタデータ） (2025-11-18T09:23:50Z)
• Towards Patient-Specific Surgical Planning for Bicuspid Aortic Valve Repair: Fully Automated Segmentation of the Aortic Valve in 4D CT [0.0732099897993399]
  Bicuspid aortic valve(BAV)は先天性心不全の最も多い疾患であり、狭窄、逆流、大動脈症などの合併症の手術を必要とする可能性がある。 造影CT(Contrast-enhanced 4D Computed Tomography)はコントラストと空間分解能に優れた体積時間配列を生成する。 ディープラーニングベースの手法は、完全に自動化されたセグメンテーションが可能であるが、BAV固有のモデルは存在しない。
  論文  参考訳（メタデータ） (2025-02-13T22:43:43Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
  三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。 本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
  論文  参考訳（メタデータ） (2023-07-13T10:21:34Z)
• A Deep Learning Localization Method for Measuring Abdominal Muscle Dimensions in Ultrasound Images [2.309018557701645]
  腰痛(LBP)患者に対する2次元(2D)超音波像を用いて, 腹筋次元を計測し, 治療計画の作成と診断に有用である。 可変性が高いため、サーバ内の信頼性を低くするためには、専門的な訓練を受けた熟練した専門家が測定を行う必要がある。 本稿では,2次元US画像の腹部筋厚測定を自動化するために,Deep Learning (DL) アプローチを用いる。
  論文  参考訳（メタデータ） (2021-09-30T08:36:50Z)
• Deep regression for uncertainty-aware and interpretable analysis of large-scale body MRI [1.6799377888527687]
  英国バイオバンクのような大規模医学研究は、医療画像技術を用いた数千人のボランティア参加者を調査した。 回帰のための畳み込みニューラルネットワークによる最近のアプローチは、これらの評価を自動的に行うことができる。 英国バイオバンクの4万人以上の被験者のMRIデータについて、これらのシステムは人間の年齢、体組成などを推定することができる。
  論文  参考訳（メタデータ） (2021-05-17T13:12:20Z)
• Large-scale biometry with interpretable neural network regression on UK Biobank body MRI [1.3439502310822151]
  イギリスのバイオバンクがMRIで3万2000人以上の被験者を画像化 研究の可能性にもかかわらず、この膨大な量のデータは、確立された評価方法への挑戦を示す。 この研究では、ネック・トゥ・クニー・ボディMRIから様々な生物学的指標を自動的に推測するために、画像に基づく回帰のためにニューラルネットワークを訓練した。
  論文  参考訳（メタデータ） (2020-02-17T09:47:58Z)

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。