論文の概要: Geometric Deep Learning for Post-Menstrual Age Prediction based on the Neonatal White Matter Cortical Surface

• arxiv url: http://arxiv.org/abs/2008.06098v2
• Date: Sun, 27 Sep 2020 22:01:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 23:48:08.982633
• Title: Geometric Deep Learning for Post-Menstrual Age Prediction based on the Neonatal White Matter Cortical Surface
• Title（参考訳）: 新生児白質皮質表面を用いた経年変化予測のための幾何学的深層学習
• Authors: Vitalis Vosylius, Andy Wang, Cemlyn Waters, Alexey Zakharov, Francis Ward, Loic Le Folgoc, John Cupitt, Antonios Makropoulos, Andreas Schuh, Daniel Rueckert, Amir Alansary
• Abstract要約: 本研究では, 経年変化をスキャンで予測する新しい手法を提案する。 我々は,新生児白質皮質表面をベースとした幾何学的深層学習の技術を用いている。 その結果,平均誤差は1週間未満と推定されたPAの正確な予測が得られた。
• 参考スコア（独自算出の注目度）: 5.936385673699182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate estimation of the age in neonates is essential for measuring neurodevelopmental, medical, and growth outcomes. In this paper, we propose a novel approach to predict the post-menstrual age (PA) at scan, using techniques from geometric deep learning, based on the neonatal white matter cortical surface. We utilize and compare multiple specialized neural network architectures that predict the age using different geometric representations of the cortical surface; we compare MeshCNN, Pointnet++, GraphCNN, and a volumetric benchmark. The dataset is part of the Developing Human Connectome Project (dHCP), and is a cohort of healthy and premature neonates. We evaluate our approach on 650 subjects (727scans) with PA ranging from 27 to 45 weeks. Our results show accurate prediction of the estimated PA, with mean error less than one week.
• Abstract（参考訳）: 新生児期の正確な年齢推定は、神経発達、医学、成長の成果を測定するのに不可欠である。 本稿では,新生児白質皮質表面に基づく幾何学的深層学習の手法を用いて,scanにおける月経後年齢(pa)を予測する新しい手法を提案する。 我々は、皮質表面の幾何学的表現を用いて年齢を予測する複数の特殊なニューラルネットワークアーキテクチャを利用、比較し、MeshCNN、Pointnet++、GraphCNN、ボリュームベンチマークを比較した。 このデータセットは、開発ヒトコネクトームプロジェクト(dHCP)の一部であり、健康で未熟な新生児のコホートである。 27週から45週のpa患者を対象に, 650名 (727名) を対象にアプローチを評価した。 その結果,平均誤差は1週間未満と推定されたPAの正確な予測が得られた。

関連論文リスト

• Hand bone age estimation using divide and conquer strategy and lightweight convolutional neural networks [5.371337604556311]
  小児の骨年齢の推定は、成長障害や関連疾患を診断し、成熟後の最終身長を推定する上で非常に重要である。 骨年齢を推定する従来の方法は、時間を要する左手のアトラス画像とX線画像を比較して行う。 深層ニューラルネットワークモデルを用いて骨の年齢を推定するために,提案手法を用いて骨の精度と速度を改善するために多くの研究がなされている。
  論文  参考訳（メタデータ） (2024-05-23T18:39:33Z)
• Predicting Adverse Neonatal Outcomes for Preterm Neonates with Multi-Task Learning [51.487856868285995]
  われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。 特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
  論文  参考訳（メタデータ） (2023-03-28T00:44:06Z)
• Neurodevelopmental Phenotype Prediction: A State-of-the-Art Deep Learning Model [0.0]
  我々は,新生児の皮質表面データを解析するためにディープニューラルネットワークを適用した。 我々の目標は、神経発達のバイオマーカーを特定し、これらのバイオマーカーに基づいて出生時の妊娠年齢を予測することである。
  論文  参考訳（メタデータ） (2022-11-16T11:15:23Z)
• Automatic Assessment of Infant Face and Upper-Body Symmetry as Early Signs of Torticollis [11.187291473332325]
  本研究では, データスカース乳幼児領域向けに開発されたコンピュータビジョンのポーズ推定手法を, torticollis の研究に応用した。 幼児の顔と上半身の対称性に関する幾何的測度を推定するために,顔のランドマークと身体の関節推定技術を組み合わせた。
  論文  参考訳（メタデータ） (2022-10-26T20:39:14Z)
• White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
  ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。 各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
  論文  参考訳（メタデータ） (2022-07-06T02:03:28Z)
• A Deep Generative Model of Neonatal Cortical Surface Development [0.688204255655161]
  球状化した新生児大脳皮質表面の特徴を成熟の異なる段階間で翻訳するための表面ベースCycleGANを実装した。 以上の結果から, 妊娠後期における皮質組織の個々のパターンの変化を確実に予測できることが示された。 皮質成熟のシミュレートされた相違は、文献の観察と一致している。
  論文  参考訳（メタデータ） (2022-06-15T13:59:43Z)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
  ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。 年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。 そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T09:39:52Z)
• Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
  磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。 バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。 最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
  論文  参考訳（メタデータ） (2021-12-23T14:51:45Z)
• Deep Modeling of Growth Trajectories for Longitudinal Prediction of Missing Infant Cortical Surfaces [58.780482825156035]
  空間グラフ畳み込みニューラルネットワーク(GCNN)を用いた皮質表面の経時的予測法を提案する。 提案手法は,皮質成長軌跡をモデル化し,複数点の内曲面と外曲面を共同で予測する。 本手法が時間的皮質成長パターンの非線形性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2020-09-06T18:46:04Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Preterm infants' pose estimation with spatio-temporal features [7.054093620465401]
  本稿では,手足検出・追跡における短期的特徴の活用について紹介する。 手足位置推定の実際の臨床実践で得られた深度ビデオを用いた最初の研究である。
  論文  参考訳（メタデータ） (2020-05-08T09:51:22Z)

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。