論文の概要: Towards the automated segmentation of epicardial and mediastinal fats: A multi-manufacturer approach using intersubject registration and random forest

• arxiv url: http://arxiv.org/abs/2605.29217v1
• Date: Thu, 28 May 2026 01:04:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.575126
• Title: Towards the automated segmentation of epicardial and mediastinal fats: A multi-manufacturer approach using intersubject registration and random forest
• Title（参考訳）: 心内膜脂肪と縦隔脂肪の自動分画に向けて--異物間登録とランダムフォレストを用いた多メーカーアプローチ
• Authors: É. O. Rodrigues, A. Conci, F. F. C. Morais, M. G. Pérez,
• Abstract要約: 心臓の周囲の脂肪の量は、いくつかの健康リスク要因と相関している。 心臓脂肪は、被験者全体の脂肪とは無関係である。 本研究の目的は,2種類の心臓脂肪組織を完全分離する手法を提案することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The amount of fat on the surroundings of the heart is correlated to several health risk factors such as carotid stiffness, coronary artery calcification, atrial fibrillation, atherosclerosis, cancer incidence and others. Furthermore, the cardiac fat varies unrelated to the overall fat of the subject, and, therefore, it reinforces the quantitative analysis of these adipose tissues as being essential. Clinical decision support systems are computer programs capable of evaluating information and providing a corresponding diagnosis or data to complement the physicists' analyses. The aim of this work is to propose a method capable of fully automatically segmenting two types of cardiac adipose tissues that stand apart from each other by the pericardium on CT images obtained by the standard acquisition protocol used for coronary calcium scoring. Much effort was devoted to promote minimal user intervention and ease of reproducibility. The methodology proposed in this work consists of a registration, which will roughly adjust input images to a standard, an extraction of features related to pixels and their surrounding area and a segmentation step based on data mining classification algorithms that define if an incoming pixel is of a certain type. Experimentations showed that the achieved mean accuracy for the epicardial and mediastinal fats was 98.4% with a mean true positive rate of 96.2%. In average, the Dice similarity index was equal to 96.8%.
• Abstract（参考訳）: 心臓周囲の脂肪の量は、頸動脈硬化、冠動脈石灰化、心房細動、動脈硬化、がんの発生など、いくつかの健康リスク要因と相関する。 さらに、心臓脂肪は被検体の全体脂肪とは無関係であるため、これらの脂肪組織を定量分析することが必須であるとして強化される。 臨床決定支援システムは、情報を評価し、物理学者の分析を補完する診断またはデータを提供することができるコンピュータプログラムである。 本研究の目的は、冠カルシウムスコアリングに使用される標準取得プロトコルが取得したCT画像上で、心膜によって互いに分離した2種類の心臓脂肪組織を完全分離できる方法を提案することである。 ユーザの介入を最小限に抑え、再現性を高めるために、多くの努力が費やされた。 本研究で提案する手法は, 入力画像の規格化, 画素とその周辺領域に関する特徴の抽出, 入ってくる画素が一定の種類のものであるかどうかを定義するデータマイニング分類アルゴリズムに基づくセグメンテーションステップからなる。 実験の結果、心外および縦隔脂肪の平均精度は98.4%、真正率は96.2%であった。 平均的なDice類似度指数は96.8%であった。

関連論文リスト

• Cardiac fat segmentation using computed tomography and an image-to-image conditional generative adversarial neural network [0.4294285419256581]
  本研究では,2種類の心筋脂肪沈着の自律的分別と定量化を行う深層学習に基づく新しい手法を提案する。 本研究における2種類の脂肪沈着は心膜脂肪と縦隔脂肪と呼ばれ,心膜によって空間的に分離される。 実験の結果,心膜脂肪のセグメンテーションにおける平均精度は99.08%,f1スコアは98.73,97.90%,f1スコアは98.40であった。
  論文  参考訳（メタデータ） (2026-05-19T16:20:24Z)
• Point Cloud Registration for Fusion between SPECT MPI and CTA Images [31.52555943262385]
  手動のランドマークへの依存とモダリティの相違は、正確な虚血の局在と病変レベルの機能評価を妨げる可能性がある。 本稿では, SPECT MPI と CTA の登録・融合フレームワークを提案し, 機能的・構造的情報を統合して心的総合評価を行う。
  論文  参考訳（メタデータ） (2026-04-27T14:24:49Z)
• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• Multi-Stage Segmentation and Cascade Classification Methods for Improving Cardiac MRI Analysis [15.236546465767026]
  心磁気共鳴画像のセグメンテーションと分類における深層学習に基づく新しいアプローチを提案する。 その結果,左心室では0.974,右心室では0.947のDice係数が得られた。 分類には,肥大型心筋症,心筋梗塞,拡張型心筋症などの心疾患を識別するために,深層学習分類器のカスケードが用いられた。
  論文  参考訳（メタデータ） (2024-12-12T15:53:14Z)
• Automated recognition of the pericardium contour on processed CT images using genetic algorithms [0.0]
  本稿では,ヒト心臓の心膜輪郭の追跡と認識に遺伝的アルゴリズム(GA)を用いることを提案する。 最適なエリプスは心膜輪郭に近づき、心臓の心膜脂肪と縦隔脂肪を適切に分離するものである。
  論文  参考訳（メタデータ） (2022-08-30T16:35:41Z)
• On the Automated Segmentation of Epicardial and Mediastinal Cardiac Adipose Tissues Using Classification Algorithms [0.9176056742068814]
  本研究は,心臓脂肪パッドの自動セグメンテーションのための新しい技術を提案する。 本手法は,心臓CT画像のセグメンテーションに分類アルゴリズムを適用することに基づく。 心内膜脂肪および縦隔脂肪の分類における平均精度は98.4%であった。
  論文  参考訳（メタデータ） (2022-08-30T15:57:02Z)
• 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)
• A novel approach for the automated segmentation and volume quantification of cardiac fats on computed tomography [0.9786690381850356]
  本稿では,2種類の心臓脂肪の自律的分画と定量化のための統一的手法を提案する。 分節脂肪は心外および縦隔と呼ばれ、心膜によって互いに区別される。 提案手法は主に,所望のセグメンテーションを行うための登録アルゴリズムと分類アルゴリズムから構成される。
  論文  参考訳（メタデータ） (2021-12-21T17:38:06Z)
• Grading the Severity of Arteriolosclerosis from Retinal Arterio-venous Crossing Patterns [27.867833878756553]
  網膜動静脈交差状態は,動脈硬化症および全身性高血圧症の臨床的評価において極めて重要である。 医用画像診断における最初期の試みの一つである診断プロセスを支援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） (2020-11-07T13:15:17Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• 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。