論文の概要: Deep Learning-Based Automated Quantification of TIMI Myocardial Perfusion Frame Count (DL-TMPFC) from Coronary Angiography: A Novel Framework for Rapid Assessment of Microvascular Dysfunction

• arxiv url: http://arxiv.org/abs/2605.24012v1
• Date: Wed, 20 May 2026 02:00:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.53243
• Title: Deep Learning-Based Automated Quantification of TIMI Myocardial Perfusion Frame Count (DL-TMPFC) from Coronary Angiography: A Novel Framework for Rapid Assessment of Microvascular Dysfunction
• Title（参考訳）: 冠動脈造影による TIMI 心筋灌流フレーム数(DL-TMPFC)の自動定量化 : 微小血管障害の迅速評価のための新しい枠組み
• Authors: Si Li, Yuanqing He, Chenkai Hu, Xiaogang Guo, Huay-Cheem Tan, Chieh Yang Koo, Xuan Zhang, Lei He, Jingyuan Zeng, Shan Xiao,
• Abstract要約: 冠動脈微小血管障害(CMVD)は虚血および非閉塞性冠動脈の約40%-60%に影響を及ぼす。 TIMI心筋灌流フレームカウント(TMPFC)は、CMVDの客観的、血管造影に基づく定量測定を提供する。 本研究は,深層学習型TMPFC計算(DL-TMPFC)の開発と評価を目的とする。
• 参考スコア（独自算出の注目度）: 9.103303188285656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aims: Coronary microvascular dysfunction (CMVD) affects approximately 40%-60% of patients with ischemia and non-obstructive coronary arteries, yet diagnosis remains challenging due to reliance on invasive functional testing or subjective Thrombolysis In Myocardial Infarction (TIMI) flow grade. The TIMI Myocardial Perfusion Frame Count (TMPFC) offers an objective, angiography-based quantitative measure of CMVD, but its clinical translation is hindered by cumbersome manual calculation and insufficient validation. This study aims to develop and validate a deep learning-powered TMPFC calculation (DL-TMPFC), enabling integration into clinical workflows. Methods and results: DL-TMPFC framework comprised two components. A stenosis detection network first excluded obstructive coronary artery disease (CAD). A territory-aware segmentation network then identified perfusion territories and TMPFC calculation module automatically determined the first and last frames from angiographic sequences. The framework was validated in a cohort of 655 patients (445 of obstructive CAD, 100 of confirmed CMVD, 110 of control group) from three independent institutions. DL-TMPFC showed excellent agreement with expert manual measurements (bias: -0.93 frames; 95% LoA: -5.33 to +3.47; r =0.98). DL-TMPFC markedly enhanced clinical feasibility by fully automating TMPFC and removing observer dependence. Clinically, DL-TMPFC accurately identified CMVD across a full spectrum of coronary pathologies and captured the continuous severity of CMVD beyond binary classification, enabling quantitative risk stratification. Conclusion: DL-TMPFC enabled automatic, standardized, and accurate quantification of CMVD directly from routine angiography. By providing an automatic and objective measure, this tool provided immediate diagnostic information for timely recognition and management of CMVD in clinical practice.
• Abstract（参考訳）: 目的: 冠動脈微小血管障害 (CMVD) は虚血および非閉塞性冠動脈の約40%-60%に影響を及ぼすが, 侵襲的機能検査や主観的血栓溶解性心筋梗塞 (TIMI) による診断は困難である。 TIMI心筋灌流フレームカウント(TMPFC)は、CMVDの客観的、血管造影に基づく定量測定を提供するが、その臨床翻訳は、手作業による計算と不十分な検証によって妨げられる。 本研究は, 深層学習を用いたTMPFC計算(DL-TMPFC)を開発し, 評価することを目的としている。 方法と結果:DL-TMPFCフレームワークは2つのコンポーネントから構成された。 閉塞性冠動脈疾患(CAD)を初めて排除した。 その後、領域対応セグメンテーションネットワークが灌流領域を識別し、TMPFC計算モジュールが血管造影シークエンスから第1フレームと第2フレームを自動的に決定する。 655例(CAD445例,CMVD100例,CMVD110例)の独立した3施設で検討した。 DL-TMPFCは、専門家の手動測定(バイアス:-0.93フレーム、95% LoA: -5.33 - +3.47; r =0.98)と優れた一致を示した。 DL-TMPFCはTMPFCの完全自動化とオブザーバ依存の除去により臨床応用性を著しく向上した。 臨床的には、DL-TMPFCは冠状動脈病変の全スペクトルにわたってCMVDを正確に同定し、2次分類を超えてCMVDの持続的な重症度を捉え、定量的なリスク層化を可能にした。 結論: DL-TMPFCはCMVDの自動的, 標準化され, 正確な定量化を可能にした。 自動的かつ客観的な尺度を提供することにより、臨床実習におけるCMVDのタイムリーな認識と管理のための即時診断情報を提供する。

関連論文リスト

• PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics [8.812266680285369]
  標準血管造影から冠血流量を直接推定するための非診断・不確実性認識フレームワークを提案する。 このシステムは、コントラスト輸送の第一原理モデルから冠血流を推定するために、物理インフォームドニューラルネットワークと変分推論を統合している。 パイプラインは、患者1人あたり約3分で、1つのGPU上で動作し、人口レベルのトレーニングは行わない。
  論文  参考訳（メタデータ） (2026-01-23T21:47:23Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• A Fully Automatic Framework for Intracranial Pressure Grading: Integrating Keyframe Identification, ONSD Measurement and Clinical Data [3.6652537579778106]
  頭蓋内圧(ICP)上昇は脳機能に深刻な脅威をもたらし、時間的介入の監視を必要とする。 OnSD測定と臨床データを統合したICPグレーティングのための完全自動2段階フレームワークを提案する。 評価精度は0.845 pm 0.071$, 独立試験精度0.786であり, 従来のしきい値法よりも優れていた。
  論文  参考訳（メタデータ） (2025-09-11T11:37:48Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• FAD-Net: Frequency-Domain Attention-Guided Diffusion Network for Coronary Artery Segmentation using Invasive Coronary Angiography [5.0119372803973965]
  冠状動脈分節の精度を高めるために,周波数領域解析に基づく新しいディープラーニングモデルを提案する。 FAD-Netは、冠動脈セグメンテーションにおいて平均Dice係数0.8717を達成し、既存の最先端法よりも優れている。 真の陽性率は0.6140であり、狭窄検出における正の予測値は0.6398であり、臨床応用性を示している。
  論文  参考訳（メタデータ） (2025-06-13T04:10:48Z)
• 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)
• Deep Metric Learning for the Hemodynamics Inference with Electrocardiogram Signals [14.972877620537686]
  我々は、中央の圧力ラベルを伴わない540万以上のECGを含むデータセットを使用して、自己教師型DMLモデルを事前トレーニングします。 8,172mPCWPラベルのECGを用いた教師付きDMLモデルでは,mPCWP回帰タスクの性能が著しく向上した。
  論文  参考訳（メタデータ） (2023-08-09T01:30:07Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Lung Infection Quantification of COVID-19 in CT Images with Deep Learning [41.35413216175024]
  深層学習システムは、関心のある感染症領域を自動的に定量化するために開発された。 感染領域分割のための放射線科医を支援するためのループ内ヒト戦略
  論文  参考訳（メタデータ） (2020-03-10T11:58:40Z)

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。