論文の概要: Large-scale biometry with interpretable neural network regression on UK Biobank body MRI

• arxiv url: http://arxiv.org/abs/2002.06862v3
• Date: Fri, 9 Oct 2020 08:59:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 12:45:18.987976
• Title: Large-scale biometry with interpretable neural network regression on UK Biobank body MRI
• Title（参考訳）: UK Biobank body MRIにおける解釈型ニューラルネットワーク回帰を用いた大規模バイオメトリ
• Authors: Taro Langner, Robin Strand, H{\aa}kan Ahlstr\"om, Joel Kullberg
• Abstract要約: イギリスのバイオバンクがMRIで3万2000人以上の被験者を画像化 研究の可能性にもかかわらず、この膨大な量のデータは、確立された評価方法への挑戦を示す。 この研究では、ネック・トゥ・クニー・ボディMRIから様々な生物学的指標を自動的に推測するために、画像に基づく回帰のためにニューラルネットワークを訓練した。
• 参考スコア（独自算出の注目度）: 1.3439502310822151
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In a large-scale medical examination, the UK Biobank study has successfully imaged more than 32,000 volunteer participants with magnetic resonance imaging (MRI). Each scan is linked to extensive metadata, providing a comprehensive medical survey of imaged anatomy and related health states. Despite its potential for research, this vast amount of data presents a challenge to established methods of evaluation, which often rely on manual input. To date, the range of reference values for cardiovascular and metabolic risk factors is therefore incomplete. In this work, neural networks were trained for image-based regression to infer various biological metrics from the neck-to-knee body MRI automatically. The approach requires no manual intervention or direct access to reference segmentations for training. The examined fields span 64 variables derived from anthropometric measurements, dual-energy X-ray absorptiometry (DXA), atlas-based segmentations, and dedicated liver scans. With the ResNet50, the standardized framework achieves a close fit to the target values (median R^2 > 0.97) in cross-validation. Interpretation of aggregated saliency maps suggests that the network correctly targets specific body regions and limbs, and learned to emulate different modalities. On several body composition metrics, the quality of the predictions is within the range of variability observed between established gold standard techniques.
• Abstract（参考訳）: 大規模な医学検査で、英国バイオバンクの研究は、MRI(MRI)で32,000人以上のボランティア参加者を画像化した。 各スキャンは広範なメタデータにリンクされ、画像化された解剖学的および関連する健康状態に関する包括的な医療調査を提供する。 研究の可能性にもかかわらず、この膨大なデータは、しばしば手入力に依存する評価方法の確立に挑戦している。 現在までに、循環器および代謝危険因子の基準値の範囲は不完全である。 この研究では、ネック・トゥ・クニー・ボディMRIから様々な生物学的指標を自動的に推測するために、画像に基づく回帰のためにニューラルネットワークを訓練した。 このアプローチでは、トレーニングのために手作業による介入や参照セグメンテーションへの直接アクセスは不要である。 検討対象は, 人体計測, 二重エネルギーX線吸収率(DXA), アトラス系セグメンテーション, 専用肝スキャンから得られた64変数である。 ResNet50では、標準化されたフレームワークは、クロスバリデーションにおいてターゲット値(中間R^2 > 0.97)によく適合する。 集計されたサリエンシマップの解釈は、ネットワークが特定の身体領域や手足を正しくターゲットし、異なるモダリティをエミュレートすることを学ぶことを示唆している。 いくつかの体組成指標において、予測の質は確立された金標準技術間で観察される変動範囲内である。

関連論文リスト

• SegmentAnyBone: A Universal Model that Segments Any Bone at Any Location on MRI [13.912230325828943]
  本稿では,MRIにおける骨分割のための汎用的,一般公開的なディープラーニングモデルを提案する。 提案モデルでは,完全自動セグメンテーションとプロンプトベースセグメンテーションの2つのモードで動作可能である。 1) さまざまなMRIプロトコルにまたがる新しいMRIデータセットの収集,注釈付けを行い,300以上の注釈付きボリュームと8485個の注釈付きスライスを含む。
  論文  参考訳（メタデータ） (2024-01-23T18:59:25Z)
• 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)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• MIMIR: Deep Regression for Automated Analysis of UK Biobank Body MRI [1.4777718769290527]
  UK Biobank(UKB)は50万人以上のボランティアを大規模に調査し、健康関連情報を収集している。 医療画像はさらに10万人の被験者を対象とし、70,000回のフォローアップセッションを行い、臓器、筋肉、体組成の測定を可能にしている。 本研究は,英国ネック・トゥ・クニー・ボディMRIから対象メタデータの包括的プロファイルを自動的に予測する実験的な推論エンジンを提案する。
  論文  参考訳（メタデータ） (2021-06-22T13:09:40Z)
• Deep regression for uncertainty-aware and interpretable analysis of large-scale body MRI [1.6799377888527687]
  英国バイオバンクのような大規模医学研究は、医療画像技術を用いた数千人のボランティア参加者を調査した。 回帰のための畳み込みニューラルネットワークによる最近のアプローチは、これらの評価を自動的に行うことができる。 英国バイオバンクの4万人以上の被験者のMRIデータについて、これらのシステムは人間の年齢、体組成などを推定することができる。
  論文  参考訳（メタデータ） (2021-05-17T13:12:20Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Large-scale inference of liver fat with neural networks on UK Biobank body MRI [1.3439502310822151]
  頸部から膝にかけてのMRIによる肝脂肪の自動推定のための新しい枠組みを提案する。 ResNet50は、これらのスキャンから2次元スライスとターゲットとしての基準値の回帰のために訓練された。 ネットワークは、脂肪分率値の非線形性を正し、基準値のいくつかの外れ値を特定することを学習した。
  論文  参考訳（メタデータ） (2020-06-30T13:33:30Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。