論文の概要: SynSeq: End-to-End SYNTAX Score Prediction from Coronary Angiography Videos

• arxiv url: http://arxiv.org/abs/2609.27696v1
• Date: Wed, 23 Sep 2026 11:17:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.984573
• Title: SynSeq: End-to-End SYNTAX Score Prediction from Coronary Angiography Videos
• Title（参考訳）: SynSeq: 冠動脈造影ビデオによるSynTAXスコア予測
• Abstract要約: 我々は,SynTAXスコアの直接予測のためのビデオベース手法であるSynSeqを提案する。 ターゲット前処理と0-inflation-aware損失と線形ターゲットスケーリングを用いた調整されたトレーニング戦略を組み合わせる。 従来の最先端の手法を著しく上回り、R2$を0.55で改善し、予測バイアスを93.1%減らし、3つの独立した専門家グレーダーからのアノテーションでより一貫したパフォーマンスを実現した。
• 参考スコア（独自算出の注目度）: 0.6389995060424699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The SYNTAX score is an established tool for assessing coronary artery disease and guiding revascularization treatment decisions. However, its manual estimation from coronary angiography videos by clinical experts is time-consuming and subject to inter-reader variability. While machine learning has shown promise in automating this process, prior work has primarily focused on lesion detection, characterization, or binary disease classification, leaving direct SYNTAX score prediction relatively unexplored. We propose SynSeq, a video-based method for direct SYNTAX score prediction. It combines targeted preprocessing with a tailored training strategy using a zero-inflation-aware loss and linear target scaling. Evaluated on the public CardioSyntax dataset, SynSeq significantly outperforms previous state-of-the-art methods, improving $R^2$ by 0.55, reducing prediction bias by 93.1% and achieving more consistent performance across annotations from three independent expert graders. In addition, SynSeq achieves a weighted $F_1$-score of 0.80 for revascularization treatment recommendations, slightly below inter-expert agreement. These results demonstrate the potential of SynSeq to provide consistent, automated SYNTAX score assessment and reliable decision support for coronary revascularization planning.
• Abstract（参考訳）: SynTAXスコアは、冠動脈疾患を評価し、再血管柄付き治療決定を導くための確立されたツールである。 しかし, 臨床専門医による冠状血管造影ビデオによる手動による評価は, 時間を要するため, 読影者間の変動が生じる。 機械学習は、このプロセスを自動化する上で有望であることを示しているが、以前の研究は主に病変の検出、特徴付け、バイナリ疾患の分類に焦点を当てており、直接のSYTAXスコアの予測は比較的未調査のままである。 我々は,SynTAXスコアの直接予測のためのビデオベース手法であるSynSeqを提案する。 ターゲット前処理と0-inflation-aware損失と線形ターゲットスケーリングを用いた調整されたトレーニング戦略を組み合わせる。 パブリックなCardioSyntaxデータセットに基づいて評価され、SynSeqは従来の最先端手法を著しく上回り、R^2$0.55で改善し、予測バイアスを93.1%削減し、3人の独立したエキスパートグレーダーからのアノテーション間でより一貫したパフォーマンスを実現した。 さらに、SynSeqは再血管柄付き治療の推奨に対して0.80ドルの重み付きF_1$スコアを達成している。 以上の結果から,SynSeqが冠再血行再建計画において一貫した自動SynTAXスコアアセスメントと信頼性の高い意思決定支援を実現する可能性が示唆された。

関連論文リスト

• Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos [73.50200033931148]
  我々はSynTAXスコアを血管セグメントのアイデンティティ保存解剖学的推論問題として再構成する。 本手法は, 骨・骨・骨・骨・骨の骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨
  論文  参考訳（メタデータ） (2026-09-20T11:08:19Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
  適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。 我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
  論文  参考訳（メタデータ） (2025-03-06T06:24:51Z)
• CardioSyntax: end-to-end SYNTAX score prediction -- dataset, benchmark and method [36.440495538328754]
  SynTAXスコアは、冠動脈疾患の重症度を測る手段として広く用いられている。 本稿では,冠動脈造影からSynTAXスコアを自動推定する医療レグレッションと分類問題を提案する。 我々は,SynTAXスコア推定と冠優位分類のために,3,018人の総合的なCardioSYNTAXデータセットを提示した。
  論文  参考訳（メタデータ） (2024-07-29T11:16:59Z)
• Advanced Meta-Ensemble Machine Learning Models for Early and Accurate Sepsis Prediction to Improve Patient Outcomes [0.0]
  本報告では, 全身性炎症性反応症候群, 早期警戒スコア, クイックシークエンシャル臓器不全評価など, 従来の敗血症スクリーニングツールの限界について検討する。 本稿では,機械学習技術 - ランダムフォレスト, エクストリームグラディエントブースティング, 決定木モデル - を用いて, セプシスの発症を予測することを提案する。 本研究は,これらのモデルについて,精度,精度,リコール,F1スコア,受信器動作特性曲線の下での領域といった重要な指標を用いて,個別かつ組み合わせたメタアンサンブルアプローチで評価する。
  論文  参考訳（メタデータ） (2024-07-11T00:51:32Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)

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。