Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Computed Tomography01:10

Computed Tomography

7.9K
Tomography refers to imaging by sections. Computed tomography (CT) is a non-invasive imaging technique that uses computers to analyze several cross-sectional X-rays to reveal minute details about structures in the body.
The technique was invented in the 1970s and is based on the principle that as X-rays pass through the body, they are absorbed or reflected at different levels. In the technique, a patient lies on a motorized platform while a computerized axial tomography (CAT) scanner rotates...
7.9K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Longitudinal changes in epigenetic clocks predict survival in the InCHIANTI cohort.

Nature aging·2026
Same author

Shared and specific blood biomarkers for multimorbidity.

Nature medicine·2026
Same author

Compatibility and comparative analysis of chronological and biological aging between the legacy 450K and the EPIC v2.0 arrays.

Mechanisms of ageing and development·2025
Same author

The blood proteome predicts the impact of circulating factors on age-related mitochondrial health.

bioRxiv : the preprint server for biology·2025
Same author

DNA Methylation Signatures of Systemic Inflammation Are Associated With Brain Volume, Cognitive Trajectories, and Long-Term Dementia Risk.

Aging cell·2025
Same author

Pitfalls of defacing whole-head MRI: re-identification risk with diffusion models and compromised research potential.

Computers in biology and medicine·2025

関連する実験動画

Updated: Jan 7, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

3.3K

深層条件付き生成モデルを用いた横断的腹部CTスライスにおける位置的変動の低減

Xin Yu1, Qi Yang1, Yucheng Tang2

  • 1Computer Science, Vanderbilt University, Nashville, TN, USA.

Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
|December 26, 2025
PubMed
まとめ

本研究では、縦断的コンピュータ断層撮影（CT）スキャンからの体組成分析を調和させる新しい手法であるC-SliceGenを紹介します。これは、健康および老化研究を改善する腹部スライスの位置的変動を低減します。

キーワード:
腹部スライス生成体組成縦断的データ調和

さらに関連する動画

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
14:08

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

43.4K
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
05:05

Four-Dimensional CT Analysis Using Sequential 3D-3D Registration

Published on: November 23, 2019

8.4K

関連する実験動画

Last Updated: Jan 7, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

3.3K
Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
14:08

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

43.4K
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
05:05

Four-Dimensional CT Analysis Using Sequential 3D-3D Registration

Published on: November 23, 2019

8.4K

科学分野:

  • 医用画像処理;人工知能;生体医工学

背景:

  • 2D腹部CTスライスは、老化健康研究に不可欠な体組成測定を可能にします。;縦断的分析は、時間とともに取得されたCTスライスにおける位置的変動によって妨げられます。;これらのスライスを標準化することは、正確な体組成追跡に不可欠です。

研究 の 目的:

  • 縦断的2D腹部CTスライスにおける位置的変動を低減する手法（C-SliceGen）を開発すること。;老化研究における経時的な正確な体組成分析を可能にすること。;異なる椎骨レベルからのスライスをターゲットスライスに調和させること。

主な方法:

  • 条件付き生成モデルを拡張してC-SliceGenを作成しました。;モデルは、任意の腹部スライスを入力として受け取り、定義された椎骨レベルのスライスを生成します。;位置的変動を考慮するために、潜在空間における構造的変化を推定します。

主要な成果:

  • C-SliceGenは、高品質でリアルな、類似した画像を生成します。;インハウス（1170人の被験者）およびBTCV MICCAI（50人の被験者）データセットで検証されました。;BLSAデータセット（20人の被験者）の縦断的スライスにおける筋肉および内臓脂肪面積を調和させました。

結論:

  • C-SliceGenは、縦断的腹部CTスライスにおける位置的変動を効果的に低減します。;単一スライス縦断的分析のためのスライス調和のための有望なアプローチを提供します。;老化研究におけるより正確な体組成追跡を容易にします。