論文の概要: NormVAE: Normative Modeling on Neuroimaging Data using Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2110.04903v1
• Date: Sun, 10 Oct 2021 20:55:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 19:36:33.058088
• Title: NormVAE: Normative Modeling on Neuroimaging Data using Variational Autoencoders
• Title（参考訳）: normvae:変分オートエンコーダを用いた神経画像データの規範的モデリング
• Authors: Sayantan Kumar and Aristeidis Sotiras
• Abstract要約: ディープオートエンコーダは規範的モデルとして実装され、患者レベルの偏差は、偏差の不確実性な推定をせずに、実際の入力と再構成された入力の正方形差としてモデル化されている。 本研究では,主観的規範的異常マップ(NAM)を算出し,偏差の不確かさを定量化する,新しい規範的モデリングに基づく変分オートエンコーダ(VAE)について検討した。
• 参考スコア（独自算出の注目度）: 0.776692116806953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Normative modeling is an emerging method for understanding the heterogeneous biology underlying neuropsychiatric and neurodegenerative disorders at the level of the individual participant. Deep autoencoders have been implemented as normative models, where patient-level deviations are modelled as the squared difference between the actual and reconstructed input without any uncertainty estimates in the deviations. In this study, we assessed NormVAE, a novel normative modeling based variational autoencoder (VAE) which calculates subject-level normative abnormality maps (NAM) for quantifying uncertainty in the deviations. Our experiments on brain neuroimaging data of Alzheimer's Disease (AD) patients demonstrated that the NormVAE-generated patient-level abnormality maps exhibit increased sensitivity to disease staging compared to a baseline VAE, which generates deterministic subject-level deviations without any uncertainty estimates.
• Abstract（参考訳）: ノルマティヴ・モデリング(英: Normative Modeling)は、神経精神医学および神経変性疾患の基礎となる異種生物学を理解するための新しい手法である。 深層オートエンコーダは標準モデルとして実装されており、患者レベルの偏差は実際の入力と再構成された入力の2乗差としてモデル化されている。 本研究では, 偏差の不確かさを定量化するために, 被写体レベルノルム異常マップ(nam)を計算する新しいノルムモデルベース変分オートエンコーダ(vae)であるnormvaeを評価した。 アルツハイマー病(AD)患者の脳神経画像データを用いた実験では,NormVAEが生成した患者レベル異常マップは,不確実性評価を伴わない決定論的対象レベルの偏差を生じるベースラインVAEと比較して,疾患ステージングに対する感受性が向上することが示された。

関連論文リスト

• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• AnomalyDiffusion: Few-Shot Anomaly Image Generation with Diffusion Model [59.08735812631131]
  製造業において異常検査が重要な役割を担っている。 既存の異常検査手法は、異常データが不足しているため、その性能に制限がある。 本稿では,新しい拡散型マイクロショット異常生成モデルであるAnomalyDiffusionを提案する。
  論文  参考訳（メタデータ） (2023-12-10T05:13:40Z)
• Improving Normative Modeling for Multi-modal Neuroimaging Data using mixture-of-product-of-experts variational autoencoders [0.0]
  既存の変分オートエンコーダ(VAE)ベースの規範モデルは、積を推定したり、不定形遅延後部の平均化によって複数のモードから情報を集約する。 これはしばしば、主観レベルの偏差の推定に影響を及ぼす非形式的な関節潜伏分布をもたらす。 後肢後肢のモデリングを改善するMixture-of-Product-of-Experts法を応用した。
  論文  参考訳（メタデータ） (2023-12-02T01:17:01Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• 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)
• Multi-modal Variational Autoencoders for normative modelling across multiple imaging modalities [0.1534667887016089]
  本稿では,T1およびDTIデータ間の主観レベルずれを検出するための2つのマルチモーダルVAE規範モデルを提案する。 提案モデルでは, 疾患を検知し, 重症度を把握し, 患者の認知と相関する可能性が示唆された。
  論文  参考訳（メタデータ） (2023-03-16T09:14:48Z)
• Transformer-based normative modelling for anomaly detection of early schizophrenia [1.291405125557051]
  我々はニューロタイプ個体の3次元MRIスキャンでモデルを訓練した。 早期統合失調症の神経型コントロールと精神科患者の可能性について検討した。
  論文  参考訳（メタデータ） (2022-12-08T18:22:36Z)
• Normative Modeling via Conditional Variational Autoencoder and Adversarial Learning to Identify Brain Dysfunction in Alzheimer's Disease [10.302206705998563]
  アルツハイマー病(AD)の脳機能障害を同定するために、条件付き変分オートエンコーダと対向学習(ACVAE)を組み合わせた新しい規範的モデリング法を提案する。 OASIS-3データベースを用いた実験により,本モデルが生成する偏差マップは,他の深部規範モデルと比較してADに対する感度が高いことが示された。
  論文  参考訳（メタデータ） (2022-11-13T07:36:30Z)
• Causal Inference via Nonlinear Variable Decorrelation for Healthcare Applications [60.26261850082012]
  線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。 我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
  論文  参考訳（メタデータ） (2022-09-29T17:44:14Z)
• Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease Progression [71.7560927415706]
  潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。 新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
  論文  参考訳（メタデータ） (2021-06-05T11:42:45Z)
• Hierarchical Bayesian Regression for Multi-Site Normative Modeling of Neuroimaging Data [0.0]
  階層ベイズ回帰(HBR)の多地点規範モデリングへの応用を提案する。 以上の結果から,HBRの優位性は,大規模なマルチサイト神経画像データにおいてより正確な基準範囲の導出に有効であることが確認された。
  論文  参考訳（メタデータ） (2020-05-25T11:55:19Z)

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。