Fugu-MT 論文翻訳(概要): Uncertainty-Aware Body Composition Analysis with Deep Regression Ensembles on UK Biobank MRI

論文の概要: Uncertainty-Aware Body Composition Analysis with Deep Regression Ensembles on UK Biobank MRI

arxiv url: http://arxiv.org/abs/2101.06963v2
Date: Tue, 16 Mar 2021 14:25:20 GMT
ステータス: 処理完了
システム内更新日: 2021-03-27 14:49:21.420719
Title: Uncertainty-Aware Body Composition Analysis with Deep Regression Ensembles on UK Biobank MRI
Title（参考訳）: 英国バイオバンクMRIにおける深部回帰アンサンブルを用いた不確実性認識体組成解析
Authors: Taro Langner, Fredrik K. Gustafsson, Benny Avelin, Robin Strand, H\r{a}kan Ahlstr\"om, and Joel Kullberg
Abstract要約: resnet50ニューラルネットワークを用いて,体組成の6つの測定値を自動的に推定した。平均分散回帰と ensembling は相補的な効果を示し, 全予測平均絶対誤差を12%削減した。その結果、深部回帰型アンサンブルは、最終的に1220,000以上の英国バイオバンクネックツーニーボディMRIのために体組成の自動化された不確実性測定を提供する可能性が示唆された。
参考スコア（独自算出の注目度）: 3.972426663177761
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Along with rich health-related metadata, an ongoing imaging study has acquired MRI of over 40,000 male and female UK Biobank participants aged 44-82 since 2014. Phenotypes derived from these images, such as measurements of body composition, can reveal new links between genetics, cardiovascular disease, and metabolic conditions. In this retrospective study, six measurements of body composition were automatically estimated by ResNet50 neural networks for image-based regression from neck-to-knee body MRI. Despite the potential for high speed and accuracy, these networks produce no output segmentations that could indicate the reliability of individual measurements. The presented experiments therefore examine mean-variance regression and ensembling for predictive uncertainty estimation, which can quantify individual measurement errors and thereby help to identify potential outliers, anomalies, and other failure cases automatically. In 10-fold cross-validation on data of about 8,500 subjects, mean-variance regression and ensembling showed complementary benefits, reducing the mean absolute error across all predictions by 12%. Both improved the calibration of uncertainties and their ability to identify high prediction errors. With intra-class correlation coefficients (ICC) above 0.97, all targets except the liver fat content yielded relative measurement errors below 5%. Testing on another 1,000 subjects showed consistent performance, and the method was finally deployed for inference to 30,000 subjects with missing reference values. The results indicate that deep regression ensembles could ultimately provide automated, uncertainty-aware measurements of body composition for more than 120,000 UK Biobank neck-to-knee body MRI that are to be acquired within the coming years.
Abstract（参考訳）: 豊かな健康関連メタデータとともに、2014年から44～82歳の英国バイオバンクの男性4万人以上のMRIも取得している。これらの画像から得られたフェノタイプ、例えば体組成の測定は、遺伝学、心血管疾患、代謝状態の新たな関連を明らかにすることができる。本研究では,6つの体組成測定をResNet50ニューラルネットワークを用いて自動推定し,頸部から膝へのMRI画像の回帰解析を行った。高速かつ精度の可能性があるにもかかわらず、これらのネットワークは個々の測定の信頼性を示す出力セグメンテーションを作らない。そこで, 予測不確かさ推定のための平均分散回帰とアンサンブルについて検討し, 個々の測定誤差を定量化し, 潜在的な異常値, 異常値, その他の故障事例を自動的に同定する。約8,500人の被験者のデータに対する10倍のクロスバリデーションでは、平均分散回帰とアンサンブルは相補的な利点を示し、全ての予測における平均絶対誤差を12%削減した。不確実性の校正と高い予測誤差を識別する能力を改善した。クラス内相関係数 (ICC) を0.97以上とすると, 肝脂肪含量を除くすべてのターゲットが5%未満の相対測定誤差を示した。さらに1000人の被験者を対象としたテストでは、一貫したパフォーマンスを示し、最終的に3万人の被験者に参照値の欠如を推測するためにメソッドが展開された。その結果、ディープレグレッションアンサンブルは最終的に、今後数年以内に取得される予定の12万本以上の英国バイオバンクのネック・トゥ・クニー・ボディMRIに対して、身体組成の自動的不確実性測定を提供する可能性があることが示唆された。

関連論文リスト

From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。 GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。今後4年間の健康状態も予測できる。
論文参考訳（メタデータ） (2024-08-20T13:19:06Z)
Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文参考訳（メタデータ） (2024-04-26T16:39:50Z)
BioFusionNet: Deep Learning-Based Survival Risk Stratification in ER+ Breast Cancer Through Multifeature and Multimodal Data Fusion [16.83901927767791]
画像から得られる特徴を遺伝的・臨床的データと融合して全体像を得る深層学習フレームワークであるBioFusionNetを提案する。本モデルでは, 平均一致率0.77, 曲線0.84の時間依存領域を達成し, 最先端の手法より優れていた。
論文参考訳（メタデータ） (2024-02-16T14:19:33Z)
Multivariate Analysis on Performance Gaps of Artificial Intelligence Models in Screening Mammography [4.123006816939975]
異常分類のための深層学習モデルは,マンモグラフィーのスクリーニングにおいて良好に機能する。モデル不全のリスクの増加に伴う人口統計学的、画像的、臨床的特徴はいまだに不明である。年齢,人種,病理所見,組織密度,画像特徴によって定義されるサブグループによるモデル性能の評価を行った。
論文参考訳（メタデータ） (2023-05-08T02:28:45Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
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)
Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
論文参考訳（メタデータ） (2021-02-12T18:08:14Z)
UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文参考訳（メタデータ） (2020-10-22T02:28:11Z)
Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文参考訳（メタデータ） (2020-05-07T12:16:37Z)
Large-scale biometry with interpretable neural network regression on UK Biobank body MRI [1.3439502310822151]
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。
論文参考訳（メタデータ） (2020-02-17T09:47:58Z)

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。