論文の概要: Uncertainty Quantification in Cardiac Model Personalisation from Ultrafast Ultrasound

• arxiv url: http://arxiv.org/abs/2609.35214v1
• Date: Mon, 28 Sep 2026 14:04:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 16:00:36.169387
• Title: Uncertainty Quantification in Cardiac Model Personalisation from Ultrafast Ultrasound
• Title（参考訳）: 超高速超音波による心臓モデルパーソナライゼーションの不確かさの定量化
• Abstract要約: シミュレーションベース推論(SBI)を用いた統計的推論問題としてSWEインフォームドパーソナライゼーションを定式化する。 被験者適応0D心血管モデルと神経後部推定を用いて,活性剛性尺度k0,収縮速度kATP,緩和速度kSRのモデル条件後部分布を推定した。 これらの結果は、SWEに基づく個人化の不確実性に対するSBIをサポートし、先行支援と前方モデル適合性を重要な診断基準として同定する。
• 参考スコア（独自算出の注目度）: 1.9274841773159939
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiac model personalisation requires inferring mechanical parameters that are not directly measurable in vivo. Ultrafast ultrasound shear wave elastography (SWE) enables non-invasive tracking of myocardial stiffness dynamics over the cardiac cycle, providing a target for personalisation. However, mapping these observations to subject specific model parameters remains ill-posed, as multiple parameter sets can reproduce the same stiffness dynamics. We formulate SWE-informed personalisation as a statistical inference problem using simulation-based inference (SBI). Using a subject-adapted 0D cardiovascular model and neural posterior estimation, we estimate model-conditional posterior distributions over active stiffness scale k0, contraction rate kATP, and relaxation rate kSR, conditioned on SWE-derived curve features and subject specific context. Among six healthy volunteers, four passed objective prior-support diagnostics and were retained for quantitative posterior analysis. Curve-level RMSE against the observed SWE target decreased from 12.61 $\pm$ 5.55 kPa for the prior predictive median to 1.14 $\pm$ 0.38 kPa for the posterior predictive median, an 89.7 $\pm$ 4.2% reduction. Posterior analysis revealed parameter-specific uncertainty, k0-kATP compensation, weaker constraint of kSR, and the importance of prior-predictive diagnostics for assessing whether each subject is represented within the modelled SWE feature space. These results support SBI for uncertainty aware SWE-based personalisation, while identifying prior support and forward-model adequacy as key diagnostics.
• Abstract（参考訳）: 心臓モデルのパーソナライゼーションは、生体内で直接測定できない機械的パラメータを推測する必要がある。 超高速超音波エラストグラフィー(SWE)は、心筋の硬度動態の非侵襲的追跡を可能にし、パーソナライゼーションの標的となる。 しかし、複数のパラメータ集合が同じ剛性ダイナミクスを再現できるため、これらの観測を対象の特定のモデルパラメータにマッピングすることはいまだ不十分である。 シミュレーションベース推論(SBI)を用いて統計的推論問題としてSWEインフォームドパーソナライゼーションを定式化する。 被験者適応型0D心血管モデルと神経後部推定を用いて,SWE曲線の特徴と被験者固有の文脈に基づいて,活動剛性尺度k0,収縮速度kATP,緩和速度kSRのモデル条件後部分布を推定した。 健常者6名のうち, 客観的な先行支援診断を4名受け, 定量的後部分析を継続した。 観測されたSWEターゲットに対する曲線レベルのRMSEは、前回の予測中央値が12.61$\pm$ 5.55 kPa、後部の予測中央値が1.14$\pm$ 0.38 kPa、89.7$\pm$ 4.2%まで低下した。 後部分析では,パラメータ特異的不確実性,k0-kATP補償,kSRの制約の弱さ,各被験者がSWE特徴空間内で表現されているかどうかを評価するための事前予測診断の重要性が示された。 これらの結果は、SWEに基づく個人化の不確実性に対するSBIをサポートし、先行支援と前方モデル適合性を重要な診断基準として同定する。

関連論文リスト

• Anatomical Prior-Driven Framework for Autonomous Robotic Cardiac Ultrasound Standard View Acquisition [15.937619557248182]
  解剖学的前駆体(AP)駆動のフレームワークが提案され,心臓構造セグメンテーションと自律型プローブ調整を統合した。 APは、確率的なAPを構築するために、空間関係グラフ(SRG)モジュールに取り付けられる。 実験はフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2026-03-22T09:11:44Z)
• Acoustic Index: A Novel AI-Driven Parameter for Cardiac Disease Risk Stratification Using Echocardiography [0.0]
  本稿では,標準的な超音波画像から心機能障害の定量化を目的とした,新しいAI誘発心エコーパラメータであるAudiotic Indexを紹介する。 このモデルは、クープマン作用素理論に基づく拡張動的モード分解(EDMD)と、臨床メタデータを組み込んだハイブリッドニューラルネットワークを組み合わせる。 様々な心疾患と正常なコントロールを含む736人の前向きコホートにおいて、AUCは独立したテストセットで0.89の曲線(AUC)の領域を達成した。 5回にまたがるクロスバリデーションによりモデルの堅牢性が確認され, 感度と特異性は, 独立データで0.8以上であった。
  論文  参考訳（メタデータ） (2025-07-17T21:27:28Z)
• 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)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• 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)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)

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。