BioCompNet:心臓代謝障害の精密な管理に向けて,自動化された体調分析を可能にするディープラーニングワークフロー
Jianyong Wei1,2, Hongli Chen1, Lijun Yao1
1Department of Endocrinology and Metabolism, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai Diabetes Institute, Shanghai Key Laboratory of Diabetes Mellitus, Shanghai Key Clinical Center for Metabolic Disease, Shanghai 200233, China.
Cyborg and bionic systems (Washington, D.C.)
|August 22, 2025
まとめ
ディープラーニングツールであるBioCompNetは MRIスキャンから 身体の構成を自動化します これは,骨,筋肉,脂肪組織を迅速かつ正確に定量化することによって,心代謝リスクの評価を強化します.
科学分野:
- バイオメディカルイメージング
- 医療における人工知能
- 心血管研究
背景:
- 体組成 (BC) は心臓代謝リスクの階層化において極めて重要です.
- 現在,BCの医学画像分析は時間がかかり,制限されています.
- 臨床用には,BC成分の自動定量化が必要である.
研究 の 目的:
- ディープラーニングのワークフローである BioCompNet を開発する.
- 双パラメトリックMRIから15の生体構成要素を定量化します.
- 精密な心代謝リスク評価のためのスケーラブルな枠組みを確立する.
主な方法:
- 階層的なU-Netアーキテクチャを使用してエンドツーエンドのディープラーニングワークフロー (BioCompNet) を開発しました.
- 定量化のための統合双パラメトリック (水/脂肪) MRI 配列.
- コミュニティと高等病院のコホートからの大規模なデータセットでモデルを訓練し,検証しました.
主要な成果:
- BioCompNetは,腹部と大腿のBC成分を定量化するのに高い精度 (ダイス係数> 0. 93) を達成しました.
- すべての定量化された特徴に対して,優れたインターリーダーの信頼性 (ICC ≥0.881) を実証した.
- 処理時間は ~129分から ~0.12分に大幅に短縮されました.
結論:
- BioCompNetは,身体構成の迅速で正確な,包括的な体積分析を可能にします.
- このワークフローは,精密な心代謝リスク評価のためのスケーラブルなソリューションを提供します.
- BioCompNetは,自動化された体構成量化により,臨床意思決定をサポートします.
