論文の概要: Tensor-Based Grading: A Novel Patch-Based Grading Approach for the
Analysis of Deformation Fields in Huntington's Disease
- arxiv url: http://arxiv.org/abs/2001.08651v1
- Date: Thu, 23 Jan 2020 16:42:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 13:22:47.624531
- Title: Tensor-Based Grading: A Novel Patch-Based Grading Approach for the
Analysis of Deformation Fields in Huntington's Disease
- Title（参考訳）: テンソルに基づく格付け--ハンティントン病の変形場解析のための新しいパッチベース格付け法
- Authors: Kilian Hett, Hans Johnson, Pierrick Coup\'e (LaBRI), Jane Paulsen,
Jeffrey Long, Ipek Oguz
- Abstract要約: 我々は、新しいテンソルベースのグレーディング手法により、パッチベースのグレーディングフレームワークを拡張することを提案する。
ハンティントン病の病因分類法について検討した。
- 参考スコア（独自算出の注目度）: 0.19573380763700707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The improvements in magnetic resonance imaging have led to the development of
numerous techniques to better detect structural alterations caused by
neurodegenerative diseases. Among these, the patch-based grading framework has
been proposed to model local patterns of anatomical changes. This approach is
attractive because of its low computational cost and its competitive
performance. Other studies have proposed to analyze the deformations of brain
structures using tensor-based morphometry, which is a highly interpretable
approach. In this work, we propose to combine the advantages of these two
approaches by extending the patch-based grading framework with a new
tensor-based grading method that enables us to model patterns of local
deformation using a log-Euclidean metric. We evaluate our new method in a study
of the putamen for the classification of patients with pre-manifest
Huntington's disease and healthy controls. Our experiments show a substantial
increase in classification accuracy (87.5 $\pm$ 0.5 vs. 81.3 $\pm$ 0.6)
compared to the existing patch-based grading methods, and a good complement to
putamen volume, which is a primary imaging-based marker for the study of
Huntington's disease.
- Abstract（参考訳）: 磁気共鳴イメージングの改良により、神経変性疾患による構造変化をより正確に検出する多くの技術が開発された。
その中でも,解剖学的変化の局所的パターンをモデル化するパッチベースのグレーディングフレームワークが提案されている。
このアプローチは計算コストの低さと競争性能のために魅力的である。
他の研究では、非常に解釈可能なアプローチであるテンソルに基づく形態計測を用いて脳構造の変形を分析することが提案されている。
本研究では,この2つの手法の利点を,パッチベースの格付けフレームワークを,log-euclideanメトリックを用いて局所的変形のパターンをモデル化可能な新しいテンソルベースの格付け手法に拡張することで組み合わせることを提案する。
本研究は,ハンティントン病前患者と健康管理者の分類について,被検者について検討した。
本実験は,既存のパッチベースグレーディング法と比較して,分類精度 (87.5 $\pm$0.5 vs. 81.3 $\pm$0.6) が著しく上昇し, ハンティントン病研究の指標である胎盤容積の相補性も良好であった。
関連論文リスト
- Transfer Learning Strategies for Pathological Foundation Models: A Systematic Evaluation in Brain Tumor Classification [9.409646394828293]
大規模病理データセットで事前訓練された基礎モデルは、様々な診断タスクで有望な結果を示している。
原発性中枢神経性リンパ腫,転移性腫瘍の5種類の悪性腫瘍について検討した。
基礎モデルは,ケース毎に10パッチ程度の堅牢な分類性能を示し,ケース毎の画像サンプリングが必要とされるという従来の仮定に異議を唱えた。
論文 参考訳（メタデータ） (2025-01-19T11:18:34Z) - 2D-3D Deformable Image Registration of Histology Slide and Micro-CT with ML-based Initialization [2.1409936129568377]
軟部組織CTの画質は低かったため,組織スライドとmuCTとの相関が困難であった。
本稿では,新しい2D-3Dマルチモーダルデフォルマブル画像登録法を提案する。
論文 参考訳（メタデータ） (2024-10-18T09:51:43Z) - Transformer-Based Self-Supervised Learning for Histopathological Classification of Ischemic Stroke Clot Origin [0.0]
虚血性脳卒中における血栓塞栓源の同定は治療と二次予防に不可欠である。
本研究は,虚血性脳梗塞の発生源を分類するためのエンボリのデジタル病理学における自己教師型深層学習アプローチについて述べる。
論文 参考訳（メタデータ） (2024-05-01T23:40:12Z) - Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳（メタデータ） (2023-12-08T18:11:22Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳（メタデータ） (2023-02-03T13:50:25Z) - Deep Joint Learning of Pathological Region Localization and Alzheimer's
Disease Diagnosis [4.5484714814315685]
BrainBagNetは、病理領域の局在とアルツハイマー病の診断を共同で学習するためのフレームワークである。
提案手法は、全脳MRI画像からのパッチレベル応答と位置情報からの識別的脳領域を示す。
5倍のクロスバリデーションにおいて,提案手法の分類性能は,AD診断および軽度認知障害予測タスクにおいて,最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2021-08-10T10:06:54Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Cancer image classification based on DenseNet model [3.3516258832067067]
DenseNet Blockに基づく新しい転移性癌画像分類モデルを提案する。
PatchCamelyon(PCam)ベンチマークデータセットのわずかに修正されたバージョンに対する提案手法の評価を行った。
論文 参考訳（メタデータ） (2020-11-23T03:05:42Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-17T09:51:30Z)
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。