Fugu-MT 論文翻訳(概要): Latent Space Analysis of VAE and Intro-VAE applied to 3-dimensional MR Brain Volumes of Multiple Sclerosis, Leukoencephalopathy, and Healthy Patients

論文の概要: Latent Space Analysis of VAE and Intro-VAE applied to 3-dimensional MR Brain Volumes of Multiple Sclerosis, Leukoencephalopathy, and Healthy Patients

arxiv url: http://arxiv.org/abs/2101.06772v1
Date: Sun, 17 Jan 2021 20:31:22 GMT
ステータス: 処理完了
システム内更新日: 2021-03-27 22:30:37.234432
Title: Latent Space Analysis of VAE and Intro-VAE applied to 3-dimensional MR Brain Volumes of Multiple Sclerosis, Leukoencephalopathy, and Healthy Patients
Title（参考訳）: 多発性硬化症, ロイコ脳症, 健常患者の3次元MR脳容積に対するVAEおよびIntro-VAEの潜時空間解析
Authors: Christopher Vogelsanger and Christian Federau
Abstract要約: 多発性硬化症(MS)と微小血管性白質脳症は2つの異なる神経疾患である。我々は,両疾患の特定の特徴を教師なしで学習するために,3次元深層ニューラルネットワークを訓練する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multiple Sclerosis (MS) and microvascular leukoencephalopathy are two distinct neurological conditions, the first caused by focal autoimmune inflammation in the central nervous system, the second caused by chronic white matter damage from atherosclerotic microvascular disease. Both conditions lead to signal anomalies on Fluid Attenuated Inversion Recovery (FLAIR) magnetic resonance (MR) images, which can be distinguished by an expert neuroradiologist, but which can look very similar to the untrained eye as well as in the early stage of both diseases. In this paper, we attempt to train a 3-dimensional deep neural network to learn the specific features of both diseases in an unsupervised manner. For this manner, in a first step we train a generative neural network to create artificial MR images of both conditions with approximate explicit density, using a mixed dataset of multiple sclerosis, leukoencephalopathy and healthy patients containing in total 5404 volumes of 3096 patients. In a second step, we distinguish features between the different diseases in the latent space of this network, and use them to classify new data.
Abstract（参考訳）: 多発性硬化症 (MS) と微小血管性白質脳症 (microvascular leukoencephalopathy) は、中枢神経系における局所自己免疫性炎症による2つの神経症状である。どちらの条件もFluid Attenuated Inversion Recovery (FLAIR) MRIの信号異常を引き起こし、これは専門の神経放射線学者によって区別できるが、両疾患の初期と同様に、訓練されていない眼と非常によく似ている。本稿では,2つの疾患の特定の特徴を教師なしの方法で学習するために,3次元深層ニューラルネットワークを訓練することを試みる。このようにして、我々は生成ニューラルネットワークを訓練し、複数の硬化症、ロイコ脳症、および3096患者の5404巻を含む健康患者の混合データセットを用いて、ほぼ明示的な密度で、両方の条件の人工MR画像を作成する。第2のステップでは、このネットワークの潜伏空間にある異なる病気の特徴を区別し、それらを新しいデータに分類する。

関連論文リスト

FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文参考訳（メタデータ） (2024-10-29T21:37:03Z)
Early diagnosis of Alzheimer's disease from MRI images with deep learning model [0.7673339435080445]
アルツハイマー病は世界中で認知症の最も一般的な原因である。認知症の分類には、医学的履歴レビュー、神経心理学的テスト、MRI(MRI)などのアプローチが含まれる本稿では,AD画像から重要な特徴を抽出するために,事前学習した畳み込みニューラルネットワークをDEMNET認知ネットワークに適用する。
論文参考訳（メタデータ） (2024-09-27T15:07:26Z)
BrainODE: Dynamic Brain Signal Analysis via Graph-Aided Neural Ordinary Differential Equations [67.79256149583108]
本稿では,脳波を連続的にモデル化するBrainODEというモデルを提案する。遅延初期値とニューラルODE関数を不規則な時系列から学習することにより、BrainODEは任意の時点の脳信号を効果的に再構築する。
論文参考訳（メタデータ） (2024-04-30T10:53:30Z)
Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文参考訳（メタデータ） (2023-02-23T09:22:05Z)
Deep grading for MRI-based differential diagnosis of Alzheimer's disease and Frontotemporal dementia [0.0]
アルツハイマー病と前頭側頭性認知症は神経変性性認知症の一般的な形態である。現在の構造イメージングは、主に疾患の検出に焦点をあてるが、その鑑別診断にはほとんど焦点を当てない。本稿では,疾患検出と鑑別診断の両問題に対するディープラーニングに基づくアプローチを提案する。
論文参考訳（メタデータ） (2022-11-25T13:25:18Z)
Severity classification in cases of Collagen VI-related myopathy with Convolutional Neural Networks and handcrafted texture features [0.34998703934432684]
コラーゲンVI関連ミオパチーにおける標的筋の分類法として3つの方法が提案されている。最も良い結果がハイブリッドモデルで得られ、その結果、全世界での精度は93.8%となった。
論文参考訳（メタデータ） (2022-02-28T15:09:42Z)
Multi-task Deep Learning for Cerebrovascular Disease Classification and MRI-to-PET Translation [9.315779561461902]
本稿では,脳MRIからPETへの翻訳と疾患診断のためのマルチタスク学習フレームワークを提案する。提案フレームワークは,(1)マルチコントラストMRI画像から高品質PET CBFマップを合成する注意型3Dエンコーダ・デコーダ畳み込みニューラルネットワーク(CNN)と,(2)入力されたMRI画像に対応する脳疾患を識別するマルチスケール3D CNNとからなる。
論文参考訳（メタデータ） (2022-02-12T21:02:45Z)
Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文参考訳（メタデータ） (2022-01-27T16:37:19Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)
Diffusion-Weighted Magnetic Resonance Brain Images Generation with Generative Adversarial Networks and Variational Autoencoders: A Comparison Study [55.78588835407174]
本研究では,高画質,多彩で現実的な拡散重み付き磁気共鳴画像が深部生成モデルを用いて合成可能であることを示す。 Introspective Variational AutoencoderとStyle-Based GANの2つのネットワークを医療分野におけるデータ拡張の資格として提示する。
論文参考訳（メタデータ） (2020-06-24T18:00:01Z)
Longitudinal Pooling & Consistency Regularization to Model Disease Progression from MRIs [11.979581631288832]
本稿では,新しい縦型プール層に特徴抽出を結合させることにより,来訪者間の特徴を結合することを提案する。アルツハイマー病神経画像イニシアチブ(ADNI)は,正常な274例とアルコール使用障害(AUD)329例からなる。これら3つの実験において、我々の方法は、他の広く使われている縦断的分類法よりも優れているため、脳への条件の影響をより正確に追跡するのに一意に寄与する。
論文参考訳（メタデータ） (2020-03-31T05:28:51Z)

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。