論文の概要: Neural operator learning of heterogeneous mechanobiological insults
contributing to aortic aneurysms
- arxiv url: http://arxiv.org/abs/2205.03780v1
- Date: Sun, 8 May 2022 04:37:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-11 07:38:01.860548
- Title: Neural operator learning of heterogeneous mechanobiological insults
contributing to aortic aneurysms
- Title（参考訳）: 大動脈大動脈瘤に寄与する異種メカノバイオロジー的侮辱の神経オペレーター学習
- Authors: Somdatta Goswami, David S. Li, Bruno V. Rego, Marcos Latorre, Jay D.
Humphrey, George Em Karniadakis
- Abstract要約: 胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の局所的な拡張であり、壁構成、構造、機能から生じる。
本稿では,深層演算子ネットワーク(DeepONet)をベースとしたサロゲートモデルをトレーニングし,TAAの寄与要因を特定するための統合フレームワークを提案する。
提案手法は,患者固有のメカノロジー的侮辱プロファイルを高精度に予測できることを示す。
- 参考スコア（独自算出の注目度）: 0.15658704610960567
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thoracic aortic aneurysm (TAA) is a localized dilatation of the aorta
resulting from compromised wall composition, structure, and function, which can
lead to life-threatening dissection or rupture. Several genetic mutations and
predisposing factors that contribute to TAA have been studied in mouse models
to characterize specific changes in aortic microstructure and material
properties that result from a wide range of mechanobiological insults.
Assessments of TAA progression in vivo is largely limited to measurements of
aneurysm size and growth rate. It has been shown that aortic geometry alone is
not sufficient to predict the patient-specific progression of TAA but
computational modeling of the evolving biomechanics of the aorta could predict
future geometry and properties from initiating insults. In this work, we
present an integrated framework to train a deep operator network
(DeepONet)-based surrogate model to identify contributing factors for TAA by
using FE-based datasets of aortic growth and remodeling resulting from
prescribed insults. For training data, we investigate multiple types of TAA
risk factors and spatial distributions within a constrained mixture model to
generate axial--azimuthal maps of aortic dilatation and distensibility. The
trained network is then capable of predicting the initial distribution and
extent of the insult from a given set of dilatation and distensibility
information. Two DeepONet frameworks are proposed, one trained on sparse
information and one on full-field grayscale images, to gain insight into a
preferred neural operator-based approach. Performance of the surrogate models
is evaluated through multiple simulations carried out on insult distributions
varying from fusiform to complex. We show that the proposed approach can
predict patient-specific mechanobiological insult profile with a high accuracy,
particularly when based on full-field images.
- Abstract（参考訳）: 胸部大動脈瘤 (taa) は大動脈の局所拡張であり、壁構成、構造、機能に障害があり、生命を脅かすような解離や破裂を引き起こす可能性がある。
taaに寄与するいくつかの遺伝子変異と前処理因子がマウスのモデルで研究され、広範囲のメカノロジー的な侮辱から生じる大動脈の微細構造と物質的性質の特定の変化を特徴付ける。
生体内でのTAA進行の評価は、大動脈瘤の大きさと成長率の測定に限られている。
大動脈形状だけでは患者固有のTAAの進行を予測するには十分ではないことが示されているが、大動脈の進化する生体力学の計算モデルにより、将来の幾何学と特性は侮辱の開始から予測できる。
本研究では, 大動脈の成長とリモデリングのfeベースデータセットを用いて, ディープオペレータネットワーク(deeponet)ベースのサーロゲートモデルを訓練し, taaの寄与因子を同定する統合フレームワークを提案する。
トレーニングデータとして,大動脈拡張と拡張性の軸軸方位マップを生成するために,制約混合モデル内のTAA危険因子と空間分布を複数種類検討する。
トレーニングされたネットワークは、与えられた拡張情報と拡張性情報から初期分布と侮辱範囲を予測することができる。
2つのdeeponetフレームワークが提案されている。1つはスパース情報、もう1つはフルフィールドグレースケールイメージで訓練され、好みのニューラルオペレータベースのアプローチについての洞察を得る。
本モデルの性能評価は, ファシフォームからコンプレックスへ変化する侮辱分布の複数のシミュレーションにより行った。
提案手法は,特にフルフィールド画像に基づいて,患者固有のメカノバイオロジー的侮辱プロファイルを高精度に予測できることを示す。
関連論文リスト
- TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。
VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。
本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文 参考訳（メタデータ） (2024-11-05T19:35:10Z) - Inpainting Pathology in Lumbar Spine MRI with Latent Diffusion [4.410798232767917]
病理組織学的特徴をMRIで健全な解剖学的特徴に塗布する効率的な方法を提案する。
腰椎椎間板ヘルニアと中心管狭窄に対し,T2 MRIにて椎間板ヘルニアを挿入する能力について検討した。
論文 参考訳（メタデータ） (2024-06-04T16:47:47Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - Deep Variational Lesion-Deficit Mapping [0.3914676152740142]
本稿では,病変欠損モデル比較のための包括的枠組みを提案する。
また,本モデルでは,すべてのシミュレーションシナリオにおいて,確立された手法よりもかなり優れていることを示す。
我々の分析は、このアプローチの広く採用されていることを正当化する。
論文 参考訳（メタデータ） (2023-05-27T13:49:35Z) - S3M: Scalable Statistical Shape Modeling through Unsupervised
Correspondences [91.48841778012782]
本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。
我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。
我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
論文 参考訳（メタデータ） (2023-04-15T09:39:52Z) - Bayesian Networks for the robust and unbiased prediction of depression
and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文 参考訳（メタデータ） (2022-11-09T14:48:13Z) - Geometric Deep Learning for the Assessment of Thrombosis Risk in the
Left Atrial Appendage [0.7956218230251954]
本研究では,患者固有のLAA形状から,血栓症のリスクに関連する内皮細胞活性化電位(ECAP)を予測できるフレームワークを開発する。
このモデルは202個の合成LAAと54個の実LAAを組み合わせたデータセットを用いて訓練され、EPP分布を瞬時に予測し、平均絶対誤差は0.563である。
論文 参考訳（メタデータ） (2022-10-19T14:03:54Z) - Simulating progressive intramural damage leading to aortic dissection
using an operator-regression neural network [0.2955543753858105]
We developed a data-driven surrogate model for the delamination process for differential strut distributions using DeepONet。
その結果,DeepONetは様々なストラット分布を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2021-08-25T03:49:19Z) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳（メタデータ） (2021-03-29T11:30:18Z) - Geometric Uncertainty in Patient-Specific Cardiovascular Modeling with
Convolutional Dropout Networks [0.0]
患者固有の心血管モデルの条件分布からサンプルを生成する新しい手法を提案する。
提案手法で導入された主な革新は、トレーニングデータから直接幾何的不確実性を学ぶ能力である。
論文 参考訳（メタデータ） (2020-09-16T00:13:12Z)
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。