Fugu-MT 論文翻訳(概要): Aging prediction using deep generative model toward the development of preventive medicine

論文の概要: Aging prediction using deep generative model toward the development of preventive medicine

arxiv url: http://arxiv.org/abs/2208.10797v1
Date: Tue, 23 Aug 2022 08:04:38 GMT
ステータス: 処理完了
システム内更新日: 2022-08-24 13:49:53.113470
Title: Aging prediction using deep generative model toward the development of preventive medicine
Title（参考訳）: 予防医療の発展に向けた深部生成モデルを用いた老化予測
Authors: Hisaichi Shibata, Shouhei Hanaoka, Yukihiro Nomura, Naoto Hayashi, Osamu Abe
Abstract要約: 本研究では,頭部CT画像を用いた成人人体用デジタルツインを開発した。このシーケンシャルな3次元ディジタル双対を実現するために、初めて3次元フローベース深層生成モデルを採用する。
参考スコア（独自算出の注目度）: 1.199955563466263
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: From birth to death, we all experience surprisingly ubiquitous changes over time due to aging. If we can predict aging in the digital domain, that is, the digital twin of the human body, we would be able to detect lesions in their very early stages, thereby enhancing the quality of life and extending the life span. We observed that none of the previously developed digital twins of the adult human body explicitly trained longitudinal conversion rules between volumetric medical images with deep generative models, potentially resulting in poor prediction performance of, for example, ventricular volumes. Here, we establish a new digital twin of an adult human body that adopts longitudinally acquired head computed tomography (CT) images for training, enabling prediction of future volumetric head CT images from a single present volumetric head CT image. We, for the first time, adopt one of the three-dimensional flow-based deep generative models to realize this sequential three-dimensional digital twin. We show that our digital twin outperforms the latest methods of prediction of ventricular volumes in relatively short terms.
Abstract（参考訳）: 出生から死亡まで、私たちは皆、老朽化による驚くほどユビキタスな変化を経験します。デジタル領域の老化、すなわち人間のデジタル双生児を予測できれば、非常に初期の段階で病変を検出し、生命の質を高め、寿命を延ばすことができるでしょう。これまで開発された成人のデジタル双生児のうち、深部生成モデルを用いた体積医用画像間の経時的変換規則を明示的に訓練した者はおらず、例えば心室容積の予測性能が低下する可能性が示唆された。そこで本研究では, 頭部CT画像の経時的に取得した頭部CT画像を用いて, 将来的な頭部CT画像の予測を可能にする, 成人人体の新しいデジタルツインを構築した。我々は,この連続的な3次元ディジタル双対を実現するために,初めて3次元フローベース深部生成モデルを採用した。デジタル双生児は心室容積を比較的短期間で予測する最新の方法に勝っていることを示す。

関連論文リスト

The establishment of static digital humans and the integration with spinal models [18.434834209150555]
思春期特発性強皮症(AIS)は、個人の健康と生活の質に大きな影響を及ぼす。従来の撮像技術は脊椎の静的な視界を提供する。動的デジタルヒューマンモデリングは、デジタル医療の大きなブレークスルーである。
論文参考訳（メタデータ） (2025-02-11T08:21:37Z)
4D VQ-GAN: Synthesising Medical Scans at Any Time Point for Personalised Disease Progression Modelling of Idiopathic Pulmonary Fibrosis [5.926086195644801]
我々は,IPF患者をリアルなCTボリュームで生成できるモデルである4D-VQ-GAN(4D Vector Quantated Generative Adversarial Networks)を提案する。縦断的CT画像を生成するためのモデルの異なる構成を評価し, 結果と地中真理データを比較した。
論文参考訳（メタデータ） (2025-02-08T22:25:53Z)
Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
大規模なデータセットのトレーニングによるスケーリングは、画像生成の品質と忠実度を高め、拡散モデルによる操作を可能にすることが示されている。遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。本研究は,異なる微調整方式と組み合わせた場合,様々なシナリオにおいて顕著な性能向上を示すものである。
論文参考訳（メタデータ） (2024-12-30T01:59:34Z)
RadRotator: 3D Rotation of Radiographs with Diffusion Models [0.0]
本稿では,3次元空間における任意の入射ラジオグラフの解剖学的内容の回転を可能にする拡散モデルに基づく技術を提案する。従来の研究と同様に、我々はCTボリュームを用いてデジタル再構成ラジオグラフィー(DRR)をモデルのトレーニングデータとして作成しました。
論文参考訳（メタデータ） (2024-04-19T16:55:12Z)
3DTINC: Time-Equivariant Non-Contrastive Learning for Predicting Disease Progression from Longitudinal OCTs [8.502838668378432]
本研究では,非コントラスト学習に基づく縦型自己教師型学習手法である3DTINCを提案する。 3次元光コヒーレンストモグラフィ(OCT)ボリュームの摂動不変特性をOCT用に特別に設計した拡張を用いて学習するように設計されている。加齢黄斑変性(AMD)などの網膜疾患の進行を予測するためには,この時間的情報が不可欠であることを示す実験を行った。
論文参考訳（メタデータ） (2023-12-28T11:47:12Z)
A No-Reference Quality Assessment Method for Digital Human Head [56.17852258306602]
我々は、デジタルヒューマン品質評価(DHQA)を扱うトランスフォーマーに基づく新しいノリフレクション(NR)手法を開発した。具体的には、デジタル人間の前方2次元投影を入力として描画し、特徴抽出に視覚変換器(ViT)を用いる。次に,歪み型を共同分類し,デジタル人間の知覚品質レベルを予測するマルチタスクモジュールを設計する。
論文参考訳（メタデータ） (2023-10-25T16:01:05Z)
LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文参考訳（メタデータ） (2023-06-20T22:21:34Z)
Generative Aging of Brain Images with Diffeomorphic Registration [3.645542167239258]
脳の老化を分析し予測することは、早期予後と認知疾患の正確な診断に不可欠である。本稿では, 経時的MRI画像から被検体特異的神経変性を捕捉し, 加齢に伴う解剖学的妥当性を維持する手法を提案する。
論文参考訳（メタデータ） (2022-05-31T08:37:24Z)
Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
論文参考訳（メタデータ） (2021-12-23T14:51:45Z)
Convolutional-LSTM for Multi-Image to Single Output Medical Prediction [55.41644538483948]
発展途上国の一般的なシナリオは、複数の理由からボリュームメタデータが失われることである。ヒトの診断過程を模倣したマルチイメージから単一診断モデルを得ることが可能である。
論文参考訳（メタデータ） (2020-10-20T04:30:09Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。