論文の概要: A Patient-Specific Pulmonary Arterial Tree Digital Twin to Extract Pulmonary Embolism Biomarkers

• arxiv url: http://arxiv.org/abs/2605.28217v1
• Date: Wed, 27 May 2026 09:33:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.935318
• Title: A Patient-Specific Pulmonary Arterial Tree Digital Twin to Extract Pulmonary Embolism Biomarkers
• Title（参考訳）: 肺塞栓症バイオマーカー抽出のための肺動脈デジタル双生児の1例
• Authors: Morgane des Ligneris, Nathan Painchaud, Allan Serva, Laurent Bertoletti, Pierre Croisille, Carole Frindel, Odyssée Merveille,
• Abstract要約: 肺塞栓症は、血栓による肺動脈の閉塞であり、急性心血管症候群の主要な原因の1つである。 本研究では,肺動脈の直接グラフ表現をモデル化し,その階層構造をラベル付けし,肺塞栓症を特徴付ける自動パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.6918765258376026
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pulmonary embolism, the obstruction of a pulmonary artery by a blood clot, is one of the leading causes of acute cardiovascular syndrome. In clinical practice, therapeutic decisions after diagnosis via computed tomography pulmonary angiography rely on risk stratification, which categorizes 30-day mortality risk into three categories. This stratification depends on the right-to-left ventricular diameter ratio and blood levels of two cardiac enzymes. However, blood biomarkers are not always available in emergency settings, and manual calculation of established severity scores - such as Qanadli and Mastora - is time-consuming and rarely performed in clinical routine practice. This study introduces an automated pipeline that models a directed graph representation of the pulmonary arterial tree, labeling its hierarchical structure and characterizing pulmonary embolism. The pipeline derives image-based biomarkers, including local artery-level features (morphological information, hierarchical position, clot volume, and resulting obstruction) and global patient-level biomarkers such as automatically calculated severity scores (Qanadli and Mastora) and the total embolic volume distribution by lobes and hierarchical levels. Using artificial-intelligence-generated binary masks of arteries, emboli, lungs, and lobes, it creates a patient digital twin of the arterial structure. Validation of the pipeline through comparison to an existing pipeline, anatomical expectations, and manual severity score calculations demonstrates the pipeline's ability to automatically generate anatomically accurate digital twins and severity scores with strong agreement. This supports the potential of these image-derived biomarkers to automatically provide rapid, precise information on thrombotic burden and spatial clot distribution.
• Abstract（参考訳）: 肺塞栓症は、血栓による肺動脈の閉塞であり、急性心血管症候群の主要な原因の1つである。 臨床的には,CTによる肺血管造影による診断後の治療決定は,30日間の死亡リスクを3つのカテゴリに分類するリスク階層化に依存している。 この成層は、左右の心室径比と2つの心臓酵素の血中濃度に依存する。 しかし、血液バイオマーカーは必ずしも緊急時に利用できるわけではないため、カナドリやマストラのような確立した重症度スコアのマニュアル計算は時間を要するため、臨床実習ではめったに行われない。 本研究では,肺動脈の直接グラフ表現をモデル化し,その階層構造をラベル付けし,肺塞栓症を特徴付ける自動パイプラインを提案する。 本発明のパイプラインは、局所動脈レベルの特徴(形態情報、階層的位置、凝固量および結果として生じる閉塞)を含む画像ベースのバイオマーカーと、自動的に算出された重症度スコア(QanadliおよびMastora)や、葉と階層レベルによる総塞栓量分布を含むグローバルな患者レベルのバイオマーカーを導出する。 人工的知能によって生成される動脈、塞栓、肺、葉のバイナリマスクを使用して、動脈構造の患者デジタル双生児を生成する。 既存のパイプラインとの比較、解剖学的予測、手動の重症度スコア計算によるパイプラインの検証は、解剖学的に正確なデジタルツインと重度スコアを強い一致で自動生成する能力を示している。 これは、これらの画像由来のバイオマーカーの可能性をサポートし、血栓の重荷と空間的塊の分布に関する迅速かつ正確な情報を自動的に提供します。

関連論文リスト

• MARVEL: Universal Murray's Law-informed Vessel Tree Segmentation and Topology Estimation [75.40785674602147]
  血管セグメンテーションのための深層学習法は、しばしば生物物理学的な制約を無視している。 これは生理的に不確実な分岐と誤分類の血管木につながる。 バイオ物理の先駆体を血管樹抽出に組み込んだ背骨非依存フレームワークMARVELについて紹介する。
  論文  参考訳（メタデータ） (2026-05-25T02:32:29Z)
• A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
  3DパッチをベースとしたResidual U-Netアーキテクチャに基づいた,ディープラーニングの自動パイプラインを開発した。 進行前立腺癌 (APC) と多発性骨髄腫 (MM) の532検体を含む多心性WB-DWIデータセットを用いた。 オートマチックとマニュアルフルボディのADCの相対的な中央値差は10%以下であった。 モデルはアトラスベース登録アルゴリズムの12倍高速であった。
  論文  参考訳（メタデータ） (2025-03-26T17:03:46Z)
• 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)
• Multi-graph Graph Matching for Coronary Artery Semantic Labeling [4.238852424523291]
  冠状動脈意味的ラベル付けのためのマルチグラフグラフマッチング(MGM)アルゴリズムを提案する。 MGMアルゴリズムは、複数の血管木グラフにおける動脈間の類似性を評価し、各グラフ間のサイクル整合性を考慮して評価する。 718 ICAを用いた多地点データセットを用いて冠動脈セマンティックラベリングの精度0.9471の精度を実現した。
  論文  参考訳（メタデータ） (2024-02-24T20:02:00Z)
• Hyper Association Graph Matching with Uncertainty Quantification for Coronary Artery Semantic Labeling [4.9679652736351905]
  ICAを用いた冠状動脈セマンティックラベリングにおける不確実性定量化(HAGMN-UQ)を用いたハイパーアソシエーショングラフマッチングニューラルネットワークの革新的アプローチを提案する。 冠動脈セマンティックラベリングの精度は0.9345,高速推論速度は0。
  論文  参考訳（メタデータ） (2023-08-20T16:59:17Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• AI-enabled Assessment of Cardiac Systolic and Diastolic Function from Echocardiography [1.0082848901582044]
  左室機能(LV)は, 心疾患患者の管理, 予後, 長期生存において重要な因子である。 最近発表された心不全に関する臨床ガイドラインは、心機能の1つの尺度のみに依存することが最適であることを認めている。 近年,AIを用いた心エコー図法が進歩し,LV容積とLV放出率の自動推定に優れた結果が得られた。
  論文  参考訳（メタデータ） (2022-03-21T10:59:48Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)

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。