論文の概要: Benchmarking off-the-shelf statistical shape modeling tools in clinical
applications
- arxiv url: http://arxiv.org/abs/2009.02878v1
- Date: Mon, 7 Sep 2020 03:51:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 03:07:08.890678
- Title: Benchmarking off-the-shelf statistical shape modeling tools in clinical
applications
- Title（参考訳）: 臨床応用における市販統計形状モデリングツールのベンチマーク
- Authors: Anupama Goparaju, Alexandre Bone, Nan Hu, Heath B. Henninger, Andrew
E. Anderson, Stanley Durrleman, Matthijs Jacxsens, Alan Morris, Ibolya Csecs,
Nassir Marrouche, Shireen Y. Elhabian
- Abstract要約: 我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。
解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。
ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
- 参考スコア（独自算出の注目度）: 53.47202621511081
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Statistical shape modeling (SSM) is widely used in biology and medicine as a
new generation of morphometric approaches for the quantitative analysis of
anatomical shapes. Technological advancements of in vivo imaging have led to
the development of open-source computational tools that automate the modeling
of anatomical shapes and their population-level variability. However, little
work has been done on the evaluation and validation of such tools in clinical
applications that rely on morphometric quantifications (e.g., implant design
and lesion screening). Here, we systematically assess the outcome of widely
used, state-of-the-art SSM tools, namely ShapeWorks, Deformetrica, and
SPHARM-PDM. We use both quantitative and qualitative metrics to evaluate shape
models from different tools. We propose validation frameworks for anatomical
landmark/measurement inference and lesion screening. We also present a lesion
screening method to objectively characterize subtle abnormal shape changes with
respect to learned population-level statistics of controls. Results demonstrate
that SSM tools display different levels of consistencies, where ShapeWorks and
Deformetrica models are more consistent compared to models from SPHARM-PDM due
to the groupwise approach of estimating surface correspondences. Furthermore,
ShapeWorks and Deformetrica shape models are found to capture clinically
relevant population-level variability compared to SPHARM-PDM models.
- Abstract（参考訳）: 統計形状モデリング(ssm)は、解剖学的形状の定量的解析のための新しい形態計測手法として生物学や医学で広く使われている。
生体イメージングの技術的進歩は、解剖学的形状のモデリングと個体群レベルの変動を自動化するオープンソースの計算ツールの開発につながった。
しかし、形態量化(インプラント設計や病変スクリーニングなど)に依存する臨床応用において、そのようなツールの評価と検証についてはほとんど研究されていない。
ここでは、広く使われている最先端のSSMツール、ShapeWorks、Deformetrica、SPHARM-PDMの結果を体系的に評価する。
さまざまなツールから形状モデルを評価するために,定量的および定性的な指標の両方を使用します。
解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。
また,学習した個体群レベルの制御統計値に対して,微妙な異常な形状変化を客観的に特徴付ける病変スクリーニング手法を提案する。
以上の結果から,SSMツールでは,SPHARM-PDMのモデルよりもShapeWorksとDeformetricaのモデルの方が整合性が高いことが示唆された。
さらに、ShapeWorksとDeformetricaの形状モデルは、SPHARM-PDMモデルと比較して臨床的に関連する集団レベルの変動を捉えている。
関連論文リスト
- Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy [0.0]
我々は、教師なしの置換不変表現学習を利用して、テンプレートポイントクラウドを主題固有のメッシュに変形する方法を推定する新しいアプローチであるMesh2SSMを提案する。
Mesh2SSMは集団固有のテンプレートも学習でき、テンプレート選択によるバイアスを低減できる。
論文 参考訳（メタデータ） (2023-05-13T00:03:59Z) - S3M: Scalable Statistical Shape Modeling through Unsupervised
Correspondences [91.48841778012782]
本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。
我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。
我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
論文 参考訳（メタデータ） (2023-04-15T09:39:52Z) - BOSS: Bones, Organs and Skin Shape Model [10.50175010474078]
我々は,CT画像から学習した皮膚,内臓,骨を結合した変形可能な人体形状とポーズモデルを提案する。
確率的PCAを用いて、ポーズ正規化空間の統計的変動をモデル化することにより、本手法は身体の全体像を提供する。
論文 参考訳（メタデータ） (2023-03-08T22:31:24Z) - Spatiotemporal Cardiac Statistical Shape Modeling: A Data-Driven
Approach [0.0]
粒子ベース形状モデリング(PSM)は、個体群レベルの形状変化を捉えたデータ駆動型手法である。
本稿では,PSM法にインスパイアされたデータ駆動型手法を提案する。
論文 参考訳（メタデータ） (2022-09-06T18:00:45Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Anatomically Parameterized Statistical Shape Model: Explaining
Morphometry through Statistical Learning [0.0]
本研究は,解剖学的パラメータ化SSMの作成に解剖学的表現を用いることを実証する。
提案したモデルは、個体群間の骨形態の差異を分析し、患者固有の術前計画や外科内評価に組み込むのに役立つ。
論文 参考訳（メタデータ） (2022-02-17T10:56:22Z) - Dynamic multi feature-class Gaussian process models [0.0]
本研究では, 医用画像における形状, ポーズ, 強度特徴の自動学習のための統計的モデリング手法を提案する。
DMFC-GPM (DMFC-GPM) はガウス過程(GP)に基づくモデルであり、線形および非線形の変動を符号化する潜在空間を共有する。
モデル性能の結果は、この新しいモデリングパラダイムが堅牢で、正確で、アクセス可能であり、潜在的な応用があることを示唆している。
論文 参考訳（メタデータ） (2021-12-08T15:12:47Z) - 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) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - Domain Shift in Computer Vision models for MRI data analysis: An
Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。
しかし、現在臨床応用はごくわずかである。
異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文 参考訳（メタデータ） (2020-10-14T16:34:21Z)
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。