論文の概要: Attri-VAE: attribute-based, disentangled and interpretable
representations of medical images with variational autoencoders
- arxiv url: http://arxiv.org/abs/2203.10417v1
- Date: Sun, 20 Mar 2022 00:19:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-26 14:00:51.394305
- Title: Attri-VAE: attribute-based, disentangled and interpretable
representations of medical images with variational autoencoders
- Title（参考訳）: Attri-VAE: 可変オートエンコーダを用いた医用画像の属性ベース, 切り離し, 解釈可能な表現
- Authors: Irem Cetin, Oscar Camara, Miguel Angel Gonzalez Ballester
- Abstract要約: 本稿では, 属性正規化項を含むVAEアプローチを提案し, 臨床像と医像像の属性を, 生成された潜伏空間の異なる正則化次元に関連付ける。
提案モデルでは, 復元忠実度, ゆがみ, 解釈可能性のトレードオフが良好であり, 最先端のVAE手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 0.5451140334681147
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning (DL) methods where interpretability is intrinsically considered
as part of the model are required to better understand the relationship of
clinical and imaging-based attributes with DL outcomes, thus facilitating their
use in reasoning medical decisions. Latent space representations built with
variational autoencoders (VAE) do not ensure individual control of data
attributes. Attribute-based methods enforcing attribute disentanglement have
been proposed in the literature for classical computer vision tasks in
benchmark data. In this paper, we propose a VAE approach, the Attri-VAE, that
includes an attribute regularization term to associate clinical and medical
imaging attributes with different regularized dimensions in the generated
latent space, enabling a better disentangled interpretation of the attributes.
Furthermore, the generated attention maps explained the attribute encoding in
the regularized latent space dimensions. The Attri-VAE approach analyzed
healthy and myocardial infarction patients with clinical, cardiac morphology,
and radiomics attributes. The proposed model provided an excellent trade-off
between reconstruction fidelity, disentanglement, and interpretability,
outperforming state-of-the-art VAE approaches according to several quantitative
metrics. The resulting latent space allowed the generation of realistic
synthetic data in the trajectory between two distinct input samples or along a
specific attribute dimension to better interpret changes between different
cardiac conditions.
- Abstract（参考訳）: モデルの一部として解釈可能性を考慮する深層学習(DL)法は、臨床と画像に基づく属性とDL結果との関係をよりよく理解するために必要であり、医学的意思決定におけるそれらの利用を促進する。
可変オートエンコーダ(VAE)で構築された潜在空間表現は、データ属性の個別制御を保証しない。
属性の絡み合いを強制する属性ベースの手法は、ベンチマークデータの古典的コンピュータビジョンタスクの文献において提案されている。
本稿では,VAE手法であるAttri-VAEを提案する。この手法は,臨床画像と医用画像の属性を,生成された潜在空間の異なる正則化次元に関連付けるための属性正規化項を含む。
さらに,生成した注意マップは,正規化された潜在空間次元における属性エンコーディングを説明する。
Attri-VAEアプローチは、臨床、心臓形態学的、放射線学的特性を有する健常および心筋梗塞患者を解析した。
提案手法は, 再現性, 絡み合い, 解釈性に優れたトレードオフを与え, 定量的指標により, 最先端のvaeアプローチを上回った。
結果として生じる潜在空間は、2つの異なる入力サンプル間または特定の属性次元に沿って軌道内の現実的な合成データの生成を可能にし、異なる心臓状態間の変化をよりよく解釈した。
関連論文リスト
- Counterfactual Explanations for Medical Image Classification and Regression using Diffusion Autoencoder [38.81441978142279]
生成モデルの潜在空間を直接操作する新しい手法,特に拡散オートエンコーダ(DAE)を提案する。
このアプローチは、対実的説明(CE)の生成を可能にすることによって、固有の解釈可能性を提供する
これらの潜在表現は、脊椎圧迫骨折(VCF)や糖尿病網膜症(DR)などの病態の医学的分類と経時的回帰に有用であることを示す。
論文 参考訳（メタデータ） (2024-08-02T21:01:30Z) - Interpretable Representation Learning of Cardiac MRI via Attribute Regularization [2.0221870195041087]
臨床医が人工知能モデルの理解と信頼を確実にするためには、医療画像の解釈可能性が不可欠である。
本稿では,逆向きに訓練された変分オートエンコーダのフレームワーク内で,潜在空間の属性正規化を組み合わせた分散正規化ソフトイントロスペクティブ変分オートエンコーダを提案する。
論文 参考訳（メタデータ） (2024-06-12T14:47:51Z) - Attribute Regularized Soft Introspective Variational Autoencoder for
Interpretable Cardiac Disease Classification [2.4828003234992666]
臨床医が人工知能モデルの理解と信頼を確実にするためには、解釈可能性が不可欠である。
本稿では,逆向きに訓練された変分オートエンコーダのフレームワーク内で,潜在空間の属性正規化を組み合わす新しい解釈可能な手法を提案する。
論文 参考訳（メタデータ） (2023-12-14T13:20:57Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳（メタデータ） (2023-09-03T07:55:46Z) - Attribute Regularized Soft Introspective VAE: Towards Cardiac Attribute
Regularization Through MRI Domains [2.4828003234992666]
我々は,属性正規化損失をSoft-Intro VAEフレームワークに組み込むことで,Attributed Soft Introspective VAE(Attri-SIVAE)を提案する。
種々のスキャナーベンダーや取得センタなど,異なる領域の心臓MRIデータに対する提案手法の評価を行った。
論文 参考訳（メタデータ） (2023-07-24T08:47:45Z) - Learning disentangled representations for explainable chest X-ray
classification using Dirichlet VAEs [68.73427163074015]
本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。
DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
論文 参考訳（メタデータ） (2023-02-06T18:10:08Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z) - Attribute-based Regularization of Latent Spaces for Variational
Auto-Encoders [79.68916470119743]
本稿では,変分オートエンコーダ(VAE)の潜時空間を,連続値の異なる属性を明示的に符号化する新しい手法を提案する。
これは属性の正規化損失を使用して、属性値と属性が符号化される次元の潜在符号との単調な関係を強制する。
論文 参考訳（メタデータ） (2020-04-11T20:53:13Z)
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。