論文の概要: Optimal Transport Features for Morphometric Population Analysis
- arxiv url: http://arxiv.org/abs/2208.05891v1
- Date: Thu, 11 Aug 2022 15:46:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-12 13:48:17.174685
- Title: Optimal Transport Features for Morphometric Population Analysis
- Title(参考訳): 形態計測人口分析のための最適輸送特性
- Authors: Samuel Gerber, Marc Niethammer, Ebrahim Ebrahim, Joseph Piven, Stephen
R. Dager, Martin Styner, Stephen Aylward, Andinet Enquobahrie
- Abstract要約: 本稿では,不均衡な最適輸送に基づく特徴抽出のステップを付加して,形態計測解析を強化することを提案する。
最適な輸送特徴抽出ステップは、空間的に分散した組織損失を引き起こす病理の統計力を増加させる。
以上の結果から, 提案手法は組織の変化や, 測定不可能な相違を同定できることが示された。
- 参考スコア(独自算出の注目度): 12.477630681202609
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Brain pathologies often manifest as partial or complete loss of tissue. The
goal of many neuroimaging studies is to capture the location and amount of
tissue changes with respect to a clinical variable of interest, such as disease
progression. Morphometric analysis approaches capture local differences in the
distribution of tissue or other quantities of interest in relation to a
clinical variable. We propose to augment morphometric analysis with an
additional feature extraction step based on unbalanced optimal transport. The
optimal transport feature extraction step increases statistical power for
pathologies that cause spatially dispersed tissue loss, minimizes sensitivity
to shifts due to spatial misalignment or differences in brain topology, and
separates changes due to volume differences from changes due to tissue
location. We demonstrate the proposed optimal transport feature extraction step
in the context of a volumetric morphometric analysis of the OASIS-1 study for
Alzheimer's disease. The results demonstrate that the proposed approach can
identify tissue changes and differences that are not otherwise measurable.
- Abstract(参考訳): 脳病理は、しばしば部分的または完全な組織喪失として現れる。
多くの神経画像研究の目標は、疾患の進行など、興味のある臨床変数に関する組織の変化の位置と量を把握することである。
形態計測分析は、臨床変数に関連する組織分布やその他の関心量の局所的な差異を捉える。
非平衡最適移動に基づく付加的特徴抽出ステップを用いて形態計測解析を補強する。
最適な輸送特徴抽出ステップは、空間的に分散した組織損失を引き起こす病理の統計力を増大させ、空間的異常や脳トポロジーの違いによる変化に対する感受性を最小化し、組織位置による変化による体積差による変化を分離する。
アルツハイマー病に対するoasis-1研究の量的形態計測解析の文脈において,提案する最適輸送特徴抽出ステップを実証する。
以上の結果から,提案手法は組織の変化や差異を識別できる可能性が示唆された。
関連論文リスト
- SpecstatOR: Speckle statistics-based iOCT Segmentation Network for Ophthalmic Surgery [39.66047935237083]
本研究では, スペックルパターンの統計的解析を用いて, 統計的病理学固有の事前知識を取り入れた。
以上の結果より,網膜内および網膜層と手術器具の間には,統計的に異なるスペックルパターンが認められた。
提案するセグメンテーションモデルは, 組織理解に基づく統計的知見の洗練を目的としている。
論文 参考訳(メタデータ) (2024-04-30T11:49:29Z) - Bayesian longitudinal tensor response regression for modeling
neuroplasticity [0.0]
縦断的神経画像研究における主要な関心は、訪問中の治療やその他の要因によるボクセルレベルの神経可塑性の研究である。
本研究では,空間分散ボクセル間で情報をプールする縦画像データに対する新しいベイズテンソル応答回帰手法を提案する。
提案手法は, 個別レベルの神経可塑性を推定し, パーソナライズされた疾患や回復軌道の検査を可能にする。
論文 参考訳(メタデータ) (2023-09-12T18:48:18Z) - Anatomy-informed Data Augmentation for Enhanced Prostate Cancer
Detection [1.6539563017720214]
本研究では,前立腺の生理的変形をシミュレートするために,隣接する臓器の情報を活用する新しい解剖情報変換法を提案する。
生検で確認した774検体を対象に, 増量の有効性を実証した。
論文 参考訳(メタデータ) (2023-09-07T11:46:59Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳(メタデータ) (2022-10-23T15:11:37Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳(メタデータ) (2022-02-27T02:19:09Z) - Symmetry-Enhanced Attention Network for Acute Ischemic Infarct
Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。
提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。
提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文 参考訳(メタデータ) (2021-10-11T07:13:26Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z) - Implanting Synthetic Lesions for Improving Liver Lesion Segmentation in
CT Exams [0.0]
我々は,CTスライスに現実的な病変を移植し,リッチで制御可能なトレーニングサンプルセットを提供する。
以上の結果から,CTスライスにおける肝病変の分節モデルの性能向上が示唆された。
論文 参考訳(メタデータ) (2020-08-11T13:23:04Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳(メタデータ) (2020-07-16T09:39:17Z) - StyPath: Style-Transfer Data Augmentation For Robust Histology Image
Classification [6.690876060631452]
我々は,StyPathに基づくAMR分類のための,堅牢なディープニューラルネットワークを構築するための新しいパイプラインを提案する。
それぞれの画像は、1GTX V TITANとpytorchを使って1.84 + 0.03秒で生成された。
以上の結果から,本手法は組織学的分類性能を向上させることが示唆された。
論文 参考訳(メタデータ) (2020-07-09T18:02:49Z)
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。