論文の概要: OTFPF: Optimal Transport-Based Feature Pyramid Fusion Network for Brain
Age Estimation with 3D Overlapped ConvNeXt
- arxiv url: http://arxiv.org/abs/2205.04684v2
- Date: Wed, 11 May 2022 04:30:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 17:45:31.595329
- Title: OTFPF: Optimal Transport-Based Feature Pyramid Fusion Network for Brain
Age Estimation with 3D Overlapped ConvNeXt
- Title（参考訳）: OTFPF:3次元オーバーラップConvNeXtを用いた脳年齢推定のための最適輸送型特徴ピラミッド融合ネットワーク
- Authors: Yu Fu, Yanyan Huang, Yalin Wang, Shunjie Dong, Le Xue, Xunzhao Yin,
Qianqian Yang, Yiyu Shi, Cheng Zhuo
- Abstract要約: 本稿では、最適輸送に基づく特徴ピラミッド融合(OF)ネットワークと呼ばれるエンドツーエンドのニューラルネットワークアーキテクチャを提案する。
11,728のMRIによる実験では、ネットワークが正確な脳年齢推定を提供し、平均絶対誤差(MAE)が2.097、Pearsonの相関係数(PCC)が0.993、Spearmanの相関係数(S)が0.989であった。
- 参考スコア（独自算出の注目度）: 19.087284304951577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chronological age of healthy brain is able to be predicted using deep neural
networks from T1-weighted magnetic resonance images (T1 MRIs), and the
predicted brain age could serve as an effective biomarker for detecting
aging-related diseases or disorders. In this paper, we propose an end-to-end
neural network architecture, referred to as optimal transport based feature
pyramid fusion (OTFPF) network, for the brain age estimation with T1 MRIs. The
OTFPF consists of three types of modules: Optimal Transport based Feature
Pyramid Fusion (OTFPF) module, 3D overlapped ConvNeXt (3D OL-ConvNeXt) module
and fusion module. These modules strengthen the OTFPF network's understanding
of each brain's semi-multimodal and multi-level feature pyramid information,
and significantly improve its estimation performances. Comparing with recent
state-of-the-art models, the proposed OTFPF converges faster and performs
better. The experiments with 11,728 MRIs aged 3-97 years show that OTFPF
network could provide accurate brain age estimation, yielding mean absolute
error (MAE) of 2.097, Pearson's correlation coefficient (PCC) of 0.993 and
Spearman's rank correlation coefficient (SRCC) of 0.989, between the estimated
and chronological ages. Widespread quantitative experiments and ablation
experiments demonstrate the superiority and rationality of OTFPF network. The
codes and implement details will be released on GitHub:
https://github.com/ZJU-Brain/OTFPF after final decision.
- Abstract（参考訳）: t1-weighted magnetic resonance image (t1 mri) のディープニューラルネットワークを用いて、健康な脳の年代を予測でき、予測された脳年齢は老化に関連する疾患や疾患を検出する効果的なバイオマーカーとなる可能性がある。
本稿では、T1 MRIを用いた脳年齢推定のための、最適輸送に基づく特徴ピラミッド融合(OTFPF)ネットワークと呼ばれるエンドツーエンドのニューラルネットワークアーキテクチャを提案する。
OTFPFは、最適輸送に基づく特徴ピラミッド融合(OTFPF)モジュール、3D重なり合うConvNeXt (3D OL-ConvNeXt)モジュール、融合モジュールの3つのタイプから構成される。
これらのモジュールは、OTFPFネットワークの脳の半マルチモーダルおよびマルチレベル特徴ピラミッド情報の理解を強化し、その推定性能を大幅に改善する。
近年の最先端モデルと比較すると,提案した OTFPF はより高速に収束し,性能が向上する。
11,728のMRIによる実験では、OTFPFネットワークは正確な脳年齢推定が可能であり、平均絶対誤差(MAE)は2.097、Pearson's correlation coefficient(PCC)は0.993、Spearman's rank correlation coefficient(SRCC)は0.989である。
広帯域の定量的実験とアブレーション実験は、OTFPFネットワークの優位性と合理性を示す。
コードと実装の詳細はGitHubで公開される。 最終決定後、https://github.com/ZJU-Brain/OTFPF。
関連論文リスト
- Performance Evaluation of Deep Learning and Transformer Models Using Multimodal Data for Breast Cancer Classification [7.405837346783951]
乳がんの発生率と死亡率の上昇は、女性にとって大きな国際的懸念である。
深層学習(DL)は,BC分類において,ヒトの専門読者と比較して優れた診断性能を示した。
本研究では,BC分類のための多モードDLアーキテクチャを提案し,画像(マンモグラム,4ビュー)とテキストデータ(放射線学的レポート)を新しい社内データセットから利用した。
論文 参考訳（メタデータ） (2024-10-14T04:22:24Z) - Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - MedSegMamba: 3D CNN-Mamba Hybrid Architecture for Brain Segmentation [15.514511820130474]
我々は皮質下脳分割のための3DパッチベースのハイブリッドCNN-Mambaモデルを開発した。
モデルの性能をいくつかのベンチマークで検証した。
論文 参考訳（メタデータ） (2024-09-12T02:19:19Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - MixSTE: Seq2seq Mixed Spatio-Temporal Encoder for 3D Human Pose
Estimation in Video [75.23812405203778]
近年, 学習時間相関のため, 全フレームのボディジョイントを世界規模で考慮し, 2次元キーポイントシーケンスから3次元人間のポーズを推定する手法が提案されている。
本研究では,各関節の時間的動きを別々にモデル化する時間的変圧器ブロックと,関節間空間相関を有する変圧器ブロックを有するミキシングミキシングを提案する。
さらに、ネットワーク出力は、中央フレームから入力ビデオの全フレームに拡張され、入力と出力のベンチマーク間のコヒーレンスが改善される。
論文 参考訳（メタデータ） (2022-03-02T04:20:59Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳（メタデータ） (2021-06-06T07:11:25Z) - HI-Net: Hyperdense Inception 3D UNet for Brain Tumor Segmentation [17.756591105686]
本稿では,3次元重み付き畳み込み層を積み重ねることで,マルチスケール情報を取得するハイパーデンスインセプション3D UNet(HI-Net)を提案する。
BRATS 2020テストセットの予備結果は、提案されたアプローチにより、ET、WT、TCのダイス(DSC)スコアがそれぞれ0.79457、0.87494、0.83712であることを示しています。
論文 参考訳（メタデータ） (2020-12-12T09:09:04Z) - DR-Unet104 for Multimodal MRI brain tumor segmentation [7.786297008452384]
脳MRIにおける病変分割のために,104層の畳み込み層(DR-Unet104)を有する2次元奥行きUnetを提案する。
Unetエンコーダに'bottleneck'残ブロックを追加し、各畳み込みブロックスタックの後にドロップアウトを追加するなど、Unetアーキテクチャに複数の追加を加えています。
コンボリューションは2次元のコンボリューションしかなく,低消費電力コンピュータで使用可能なメリットも備えた,競争力のある病変分割アーキテクチャを開発した。
論文 参考訳（メタデータ） (2020-11-04T01:24:26Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳（メタデータ） (2020-08-29T11:50:37Z) - Brain Age Estimation Using LSTM on Children's Brain MRI [4.452516574196706]
脳MRIの3次元容積を2次元画像の系列とみなし,脳年齢推定に再帰的ニューラルネットワークを用いた新しい枠組みを提案する。
提案手法は2D-ResNet18+Long短期メモリ(LSTM)と命名され,2次元画像の特徴抽出用2D ResNet18,シーケンス上の特徴低減用プール層,LSTM層,最終回帰層からなる。
論文 参考訳（メタデータ） (2020-02-20T22:27:52Z) - FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for
Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。
ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。
実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文 参考訳（メタデータ） (2020-01-17T07:13:51Z)
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。