Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Vers des modèles fondamentaux pour l'IRM cardiaque : représentations visuelles et tabulaires complètes pour l'évaluation du cœur entier et au-delà

Created by
  • Haebom

Auteur

Yundi Zhang, Paul Hager, Che Liu, Suprosanna Shit, Chen Chen, Daniel Rueckert, Jiazhen Pan

Contour

Cet article présente le modèle ViTa, qui intègre l'imagerie par résonance magnétique cardiaque (IRM) aux facteurs de santé du patient afin de permettre une compréhension globale de la santé cardiaque et une interprétation personnalisée du risque de maladie. En exploitant les données de 42 000 participants de la UK Biobank, nous intégrons des données d'images 3D+T ciné-stack en vues petit axe et grand axe avec des facteurs patients tabulaires détaillés. Ce paradigme multimodal prend en charge plusieurs sous-tâches, notamment la prédiction du phénotype et des caractéristiques physiologiques cardiaques, la segmentation et la classification des maladies cardiaques et métaboliques, au sein d'un cadre unique et intégré. En apprenant une représentation latente partagée reliant des caractéristiques d'image riches au contexte du patient, nous souhaitons fournir une compréhension de la santé cardiaque spécifique au patient, au-delà des modèles existants spécifiques aux tâches.

Takeaways, Limitations

Takeaways:
Il intègre l’imagerie CMR à divers facteurs au niveau du patient pour fournir une compréhension complète de la santé cardiaque.
Un cadre unique peut effectuer diverses tâches cliniques, notamment la prédiction du phénotype cardiaque, la segmentation et la classification des maladies.
Une compréhension spécifique du patient en matière de santé cardiaque peut améliorer l’utilité clinique et l’évolutivité.
Il permet une évaluation plus complète et plus précise de la santé cardiaque que les modèles existants spécifiques à une tâche.
Limitations:
ÉTant donné qu'il a été formé sur les données de la UK Biobank, ses performances de généralisation à d'autres ensembles de données nécessitent une validation supplémentaire.
La complexité du modèle peut limiter son interprétabilité.
La formation et l’exécution des modèles peuvent nécessiter des ressources informatiques importantes.
👍