Fugu-MT 論文翻訳(概要): Spatiotemporal Cardiac Statistical Shape Modeling: A Data-Driven Approach

論文の概要: Spatiotemporal Cardiac Statistical Shape Modeling: A Data-Driven Approach

arxiv url: http://arxiv.org/abs/2209.02736v1
Date: Tue, 6 Sep 2022 18:00:45 GMT
ステータス: 処理完了
システム内更新日: 2022-09-08 12:19:23.241669
Title: Spatiotemporal Cardiac Statistical Shape Modeling: A Data-Driven Approach
Title（参考訳）: 時空間的心臓統計形状モデリング:データ駆動アプローチ
Authors: Jadie Adams and Nawazish Khan and Alan Morris and Shireen Elhabian
Abstract要約: 粒子ベース形状モデリング(PSM)は、個体群レベルの形状変化を捉えたデータ駆動型手法である。本稿では,PSM法にインスパイアされたデータ駆動型手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Clinical investigations of anatomy's structural changes over time could greatly benefit from population-level quantification of shape, or spatiotemporal statistic shape modeling (SSM). Such a tool enables characterizing patient organ cycles or disease progression in relation to a cohort of interest. Constructing shape models requires establishing a quantitative shape representation (e.g., corresponding landmarks). Particle-based shape modeling (PSM) is a data-driven SSM approach that captures population-level shape variations by optimizing landmark placement. However, it assumes cross-sectional study designs and hence has limited statistical power in representing shape changes over time. Existing methods for modeling spatiotemporal or longitudinal shape changes require predefined shape atlases and pre-built shape models that are typically constructed cross-sectionally. This paper proposes a data-driven approach inspired by the PSM method to learn population-level spatiotemporal shape changes directly from shape data. We introduce a novel SSM optimization scheme that produces landmarks that are in correspondence both across the population (inter-subject) and across time-series (intra-subject). We apply the proposed method to 4D cardiac data from atrial-fibrillation patients and demonstrate its efficacy in representing the dynamic change of the left atrium. Furthermore, we show that our method outperforms an image-based approach for spatiotemporal SSM with respect to a generative time-series model, the Linear Dynamical System (LDS). LDS fit using a spatiotemporal shape model optimized via our approach provides better generalization and specificity, indicating it accurately captures the underlying time-dependency.
Abstract（参考訳）: 解剖学の構造変化に関する臨床的研究は、人口レベルの形状の定量化や時空間統計学的形状モデリング(ssm)の恩恵を受ける可能性がある。このようなツールは、患者の臓器周期や疾患の進行を関心のあるコホートに関連して特徴付けることができる。形状モデルの構築には、定量的な形状表現(例えば対応するランドマーク)を確立する必要がある。粒子ベース形状モデリング(psm)は、ランドマーク配置を最適化することで人口レベルの形状変化をキャプチャするデータ駆動ssmアプローチである。しかし、断面的な研究設計を前提としており、時間とともに形が変化することを示す統計的パワーは限られている。時空間または縦方向の形状変化をモデル化する既存の方法は、通常断面的に構築される事前定義された形状アトラスと事前構築された形状モデルを必要とする。本稿では,psm法に触発されたデータ駆動アプローチを提案し,形状データから直接人口レベルの時空間形状変化を学習する。本稿では,個体群間(inter-subject)と時系列間(intra-subject)の両方に対応するランドマークを生成する新しいssm最適化手法を提案する。心房細動患者からの4D心筋データに本法を適用し,左心房の動的変化を示す効果を実証した。さらに,本手法は,生成時系列モデルである線形力学系(LDS)に対して,時空間SSMのイメージベースアプローチよりも優れていることを示す。提案手法により最適化された時空間形状モデルを用いてLDSの適合性が向上し,基礎となる時間依存性を正確に把握できることを示す。

関連論文リスト

Optimization-Driven Statistical Models of Anatomies using Radial Basis Function Shape Representation [3.743399165184124]
粒子に基づく形状モデリングは、解剖学の個体群における形状変数の定量化に一般的な手法である。本稿では,従来の最適化手法を用いて,モデルの特徴をより正確に制御する手法を提案する。本研究では,2つの実データに対する最先端手法の有効性を実証し,損失選択を実証的に正当化する。
論文参考訳（メタデータ） (2024-11-24T15:43:01Z)
Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文参考訳（メタデータ） (2024-02-19T15:57:39Z)
ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
論文参考訳（メタデータ） (2023-12-11T07:09:32Z)
ADASSM: Adversarial Data Augmentation in Statistical Shape Models From Images [0.8192907805418583]
本稿では,データ依存型ノイズ生成やテクスチャ拡張を利用して,画像間SSMフレームワークのオンザフライデータ拡張のための新しい戦略を提案する。提案手法は,画素値のみに頼らず,基礎となる幾何学に焦点をあてることにより,精度の向上を実現する。
論文参考訳（メタデータ） (2023-07-06T20:21:12Z)
Image2SSM: Reimagining Statistical Shape Models from Images with Radial Basis Functions [4.422330219605964]
統計的形状モデリングのための新しい深層学習手法であるImage2SSMを提案する。 Image2SSMは、画像から直接形状の放射基底関数(RBF)に基づく表現を学習する。解剖学的形状のアンサンブルの統計的ランドマークに基づく形状モデルを構築することにより、生物学的構造の個体群を特徴付けることができる。
論文参考訳（メタデータ） (2023-05-19T18:08:10Z)
Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy [0.0]
我々は、教師なしの置換不変表現学習を利用して、テンプレートポイントクラウドを主題固有のメッシュに変形する方法を推定する新しいアプローチであるMesh2SSMを提案する。 Mesh2SSMは集団固有のテンプレートも学習でき、テンプレート選択によるバイアスを低減できる。
論文参考訳（メタデータ） (2023-05-13T00:03:59Z)
Diffusion Deformable Model for 4D Temporal Medical Image Generation [47.03842361418344]
3D+t(4D)情報を持つ時間体積画像は、時間動態を統計的に分析したり、病気の進行を捉えるためにしばしば医療画像に使用される。本稿では,ソースボリュームとターゲットボリュームの中間時間ボリュームを生成する新しいディープラーニングモデルを提案する。
論文参考訳（メタデータ） (2022-06-27T13:37:57Z)
Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文参考訳（メタデータ） (2022-02-18T22:41:51Z)
Dynamic multi feature-class Gaussian process models [0.0]
本研究では, 医用画像における形状, ポーズ, 強度特徴の自動学習のための統計的モデリング手法を提案する。 DMFC-GPM (DMFC-GPM) はガウス過程(GP)に基づくモデルであり、線形および非線形の変動を符号化する潜在空間を共有する。モデル性能の結果は、この新しいモデリングパラダイムが堅牢で、正確で、アクセス可能であり、潜在的な応用があることを示唆している。
論文参考訳（メタデータ） (2021-12-08T15:12:47Z)
Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文参考訳（メタデータ） (2021-04-28T22:14:25Z)
Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
論文参考訳（メタデータ） (2020-09-07T03:51:35Z)

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。