論文の概要: Dynamic radiomics: a new methodology to extract quantitative
time-related features from tomographic images
- arxiv url: http://arxiv.org/abs/2011.00454v3
- Date: Thu, 3 Jun 2021 07:52:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 23:47:39.837322
- Title: Dynamic radiomics: a new methodology to extract quantitative
time-related features from tomographic images
- Title(参考訳): dynamic radiomics: 断層画像から定量的な時間関連特徴を抽出する新しい手法
- Authors: Fengying Che, Ruichuan Shi, Jian Wu, Haoran Li, Shuqin Li, Weixing
Chen, Hao Zhang, Zhi Li, and Xiaoyu Cui (Member, IEEE)
- Abstract要約: 本研究では,同じ患者の時間依存トモグラフィ画像を用いた新しい動的放射能特徴抽出ワークフローを提案する。
まず、ダイナミックラジオミクスの数学的パラダイムを定義し、時間とともに特徴の変換過程を記述することができる3つの具体的な方法を紹介した。
従来の2次元および3次元の静的特徴を用いた動的特徴の評価には,3つの異なる臨床問題が用いられている。
- 参考スコア(独自算出の注目度): 12.86941337553522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The feature extraction methods of radiomics are mainly based on static
tomographic images at a certain moment, while the occurrence and development of
disease is a dynamic process that cannot be fully reflected by only static
characteristics. This study proposes a new dynamic radiomics feature extraction
workflow that uses time-dependent tomographic images of the same patient,
focuses on the changes in image features over time, and then quantifies them as
new dynamic features for diagnostic or prognostic evaluation. We first define
the mathematical paradigm of dynamic radiomics and introduce three specific
methods that can describe the transformation process of features over time.
Three different clinical problems are used to validate the performance of the
proposed dynamic feature with conventional 2D and 3D static features.
- Abstract(参考訳): 放射能の特徴抽出法は主に特定の時点における静的断層像に基づいており、疾患の発生と発生は静的な特徴だけでは完全には反映できないダイナミックなプロセスである。
本研究では、同じ患者の時間依存トモグラフィ画像を用いて、画像特徴の変化に着目し、診断や予後評価のための新しい動的特徴として定量化する、新しい動的放射能特徴抽出ワークフローを提案する。
まず,動的放射能の数学的パラダイムを定式化し,特徴の経時変化過程を記述するための3つの方法を紹介する。
従来の2次元および3次元の静的特徴を用いた動的特徴の評価には,3つの異なる臨床問題が用いられている。
関連論文リスト
- Equivariant Graph Neural Operator for Modeling 3D Dynamics [153.9455825436751]
Equivariant Graph Neural Operator (EGNO) は,次のステップの予測に代えて,ダイナミックスを直接トラジェクトリとしてモデル化する,斬新で原理的な手法である。
EGNOは3次元力学の時間的進化を明示的に学習し、時間とともに関数として力学を定式化し、それを近似するためにニューラル演算子を学習する。
粒子シミュレーション、人間のモーションキャプチャー、分子動力学を含む複数の領域における総合的な実験は、既存の手法と比較して、EGNOの極めて優れた性能を示す。
論文 参考訳(メタデータ) (2024-01-19T21:50:32Z) - Single-shot Tomography of Discrete Dynamic Objects [1.1407697960152927]
ダイナミックトモグラフィーにおける高分解能時間像の再構成法を提案する。
本研究の意義は、断層撮影における動的過程の可視化と解析の改善にまで及んでいる。
論文 参考訳(メタデータ) (2023-11-09T10:52:02Z) - On the Relevance of Temporal Features for Medical Ultrasound Video
Recognition [0.0]
一般的な超音波タスクにおいて,より優れたサンプリング効率を実現するために,新しいマルチヘッドアテンションアーキテクチャを提案する。
アーキテクチャの性能を2つの設定で効率的な3次元CNNビデオ認識モデルと比較する。
以上の結果から,低データ環境下での一般的な超音波作業において,表現的時間非依存モデルの方が最先端の映像認識モデルよりも有効である可能性が示唆された。
論文 参考訳(メタデータ) (2023-10-16T14:35:29Z) - Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。
NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。
本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
論文 参考訳(メタデータ) (2023-06-24T17:01:51Z) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳(メタデータ) (2022-09-01T10:46:09Z) - Neural Implicit Representations for Physical Parameter Inference from a
Single Video [55.61164103824501]
本稿では,外見モデルのためのニューラル暗黙表現と,物理現象をモデル化するためのニューラル常微分方程式(ODE)を組み合わせることを提案する。
提案モデルでは,大規模なトレーニングデータセットを必要とする既存のアプローチとは対照的に,単一のビデオから物理的パラメータを識別することが可能になる。
ニューラル暗示表現を使用することで、高解像度ビデオの処理とフォトリアリスティック画像の合成が可能になる。
論文 参考訳(メタデータ) (2022-04-29T11:55:35Z) - Neural Computed Tomography [1.7188280334580197]
一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。
動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
論文 参考訳(メタデータ) (2022-01-17T18:50:58Z) - DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG
Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。
我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。
標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文 参考訳(メタデータ) (2021-12-08T13:07:21Z) - A new geodesic-based feature for characterization of 3D shapes:
application to soft tissue organ temporal deformations [0.0]
臓器の時間的変形に関する研究に直接応用する。
我々は,3次元表面点の少ない強制呼吸運動時の膀胱の挙動を特徴付ける。
合成3次元形状と現実的なダイナミックMRIデータの両方に特徴の頑健さを実証する。
論文 参考訳(メタデータ) (2020-03-18T16:56:41Z) - On Feature Normalization and Data Augmentation [55.115583969831]
モーメント交換は、認識モデルにもモーメント情報を利用するようモデルに促す。
我々は、あるトレーニングイメージの学習した特徴のモーメントを、別のトレーニングイメージのモーメントに置き換え、ターゲットラベルを補間する。
我々のアプローチは高速で、機能空間で完全に動作し、以前の方法と異なる信号が混在しているため、既存の拡張アプローチと効果的に組み合わせることができる。
論文 参考訳(メタデータ) (2020-02-25T18:59:05Z)
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。