論文の概要: Automated Cardiac Adipose Tissue Segmentation in Computed Tomography: A Literature Review

• arxiv url: http://arxiv.org/abs/2607.16992v1
• Date: Sat, 18 Jul 2026 22:52:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.331864
• Title: Automated Cardiac Adipose Tissue Segmentation in Computed Tomography: A Literature Review
• Title（参考訳）: CTにおける心臓脂肪組織分画の自動化 : 文献的考察
• Authors: Andreas W. Aspe, Jonas Jalili Pedersen, Andreas Ohrt Johansen, Klaus Fuglsang Kofoed, Kristine Aavild Sørensen, Rasmus Reinhold Paulsen, Josefine Vilsbøll Sundgaard,
• Abstract要約: 本稿では,CT(Computed Tomography)における自動セグメンテーション手法の最近の進歩について概説する。 心膜脂肪組織(EAT)と心膜脂肪組織(PAT)の2種類がある。
• 参考スコア（独自算出の注目度）: 0.13192560874022083
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This review provides an overview of recent advancements in automated segmentation methods on Computed Tomography (CT) for two types of cardiac fat: Epicardial adipose Tissue (EAT) and Pericardial Adipose Tissue (PAT). These fat deposits, separated by the pericardium, have been linked to various cardiovascular diseases, with EAT receiving the most research attention. Their complex anatomical context makes manual quantification highly time-consuming and prone to considerable inter-observer variability. Automated methods effectively address these complications, offering a more efficient and consistent solution. This study encompasses a broad range of methods, spanning AI as well as non-AI approaches. Additionally, it presents the remaining challenges, including the need for larger annotated public datasets and optimized attenuation thresholds for contrast-enhanced CT. It is demonstrated that automated methods are able to achieve segmentation results comparable to the quality of human annotation, proving their potential as a clinical tool for discovering new biomarkers and enhancing patient outcomes.
• Abstract（参考訳）: 心脂肪組織(EAT)と心膜脂肪組織(PAT)の2種類の心脂肪に対するCT自動分画法(CT)の最近の進歩について概説する。 これらの脂肪沈着は心膜によって分離され、様々な心血管疾患と関連付けられており、EATは最も研究の注目を集めている。 複雑な解剖学的文脈は、手動の定量化を非常に時間を要するものにし、かなりのサーバ間変動を引き起こす。 自動的な方法はこれらの複雑さに効果的に対処し、より効率的で一貫したソリューションを提供する。 この研究は、AIと非AIアプローチにまたがる幅広い手法を含む。 さらに、より大きな注釈付き公開データセットの必要性や、造影CTのための最適化された減衰しきい値など、残りの課題も提示されている。 自動化された手法は,ヒトのアノテーションの品質に匹敵するセグメンテーションを達成でき,新たなバイオマーカーの発見と患者の予後向上のための臨床ツールとしての可能性を示す。

関連論文リスト

• 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)
• Enhancing Coronary Artery Calcium Scoring via Multi-Organ Segmentation on Non-Contrast Cardiac Computed Tomography [2.072323367088703]
  本論文は,医療用人工知能において依然として大幅な改善が可能であることを論じる。 病理診断から解剖学の深い理解へと焦点を移すことで,本論文で提案する新しいアルゴリズムは高い精度を実現する。
  論文  参考訳（メタデータ） (2025-01-20T11:56:40Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
  形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。 一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。 提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
  論文  参考訳（メタデータ） (2024-06-06T14:15:15Z)
• Advanced Neural Network Architecture for Enhanced Multi-Lead ECG Arrhythmia Detection through Optimized Feature Extraction [0.0]
  不規則な心臓リズムを特徴とする不整脈は、深刻な診断課題を呈する。 本研究では,不整脈分類の複雑さに対処するために,ディープラーニング技術を活用した革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-13T19:56:15Z)
• MEDPSeg: Hierarchical polymorphic multitask learning for the segmentation of ground-glass opacities, consolidation, and pulmonary structures on computed tomography [37.119000111386924]
  MEDPSegは階層型多形マルチタスク学習(HPML)を通して異種胸部CTターゲットから学習する 本稿では,GGOと統合セグメンテーションタスクの最先端性能を実現するPMLについて述べる。 さらに、MEDPSegは肺発作、気道、肺動脈、肺病変の分節を同時に行う。
  論文  参考訳（メタデータ） (2023-12-04T21:46:39Z)
• Automatic segmentation of lung findings in CT and application to Long COVID [38.69538648742266]
  S-MEDSegは胸部CT画像における肺病変の正確な分画のための深層学習に基づくアプローチである。 S-MEDSegは、トレーニング済みのEfficientNetバックボーン、双方向機能ピラミッドネットワーク、モダンネットワークの進化を組み合わせたものだ。
  論文  参考訳（メタデータ） (2023-10-13T23:42:43Z)
• 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)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)

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。