論文の概要: Multi-view information fusion using multi-view variational autoencoders
to predict proximal femoral strength
- arxiv url: http://arxiv.org/abs/2210.00674v1
- Date: Mon, 3 Oct 2022 01:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 18:05:07.435641
- Title: Multi-view information fusion using multi-view variational autoencoders
to predict proximal femoral strength
- Title（参考訳）: 多視点変分オートエンコーダを用いた多視点情報融合による大腿骨近位強度の予測
- Authors: Chen Zhao, Joyce H Keyak, Xuewei Cao, Qiuying Sha, Li Wu, Zhe Luo,
Lanjuan Zhao, Qing Tian, Chuan Qiu, Ray Su, Hui Shen, Hong-Wen Deng, Weihua
Zhou
- Abstract要約: 大腿骨近位部の強度は、定量的CT画像を用いて主観的有限要素解析(FEA)によって計算できる。
本研究の目的は,多視点情報融合による股関節骨折予測のための深層学習モデルの設計である。
- 参考スコア（独自算出の注目度）: 6.431560548938618
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background and aim: Hip fracture can be devastating. The proximal femoral
strength can be computed by subject-specific finite element (FE) analysis (FEA)
using quantitative CT images. The aim of this paper is to design a deep
learning-based model for hip fracture prediction with multi-view information
fusion. Method: We developed a multi-view variational autoencoder (MMVAE) for
feature representation learning and designed the product of expert model (PoE)
for multi-view information fusion.We performed genome-wide association studies
(GWAS) to select the most relevant genetic features with proximal femoral
strengths and integrated genetic features with DXA-derived imaging features and
clinical variables for proximal femoral strength prediction. Results: The
designed model achieved the mean absolute percentage error of 0.2050,0.0739 and
0.0852 for linear fall, nonlinear fall and nonlinear stance fracture load
prediction, respectively. For linear fall and nonlinear stance fracture load
prediction, integrating genetic and DXA-derived imaging features were
beneficial; while for nonlinear fall fracture load prediction, integrating
genetic features, DXA-derived imaging features as well as clinical variables,
the model achieved the best performance. Conclusion: The proposed model is
capable of predicting proximal femoral strengths using genetic features,
DXA-derived imaging features as well as clinical variables. Compared to
performing FEA using QCT images to calculate proximal femoral strengths, the
presented method is time-efficient and cost effective, and radiation dosage is
limited. From the technique perspective, the final models can be applied to
other multi-view information integration tasks.
- Abstract（参考訳）: 背景と目的:股関節骨折は破壊的です。
大腿骨近位部強度は、定量的CT画像を用いて主観的有限要素解析(FEA)により計算できる。
本研究の目的は,多視点情報融合による股関節骨折予測のための深層学習モデルの設計である。
方法: 特徴表現学習のための多視点変分オートエンコーダ(MMVAE)を開発し, 多視点情報融合のための専門家モデル(PoE)製品の設計を行った。
結果: 線形転倒, 非線形転倒, 非線形転倒, 非線形破壊荷重予測において, 平均絶対パーセンテージ誤差0.2050,0.0739, 0.0852を達成した。
線形転倒および非線形姿勢破壊荷重予測では, 遺伝的およびdxa由来の画像特徴の統合が有益であり, 非線形転倒破壊負荷予測では, 遺伝的特徴の統合, dxa由来画像特徴と臨床変数を組み合わせることで, 最適性能を得た。
結論: 提案モデルでは, 遺伝的特徴, DXA画像特徴, 臨床変数を用いて大腿骨近位部強度を予測できる。
QCT画像による大腿骨近位部強度の算出と比較して, 提案法は時間効率が高く, 費用対効果が高く, 放射線量も限られている。
技術の観点からは、最終的なモデルは、他のマルチビュー情報統合タスクに適用できる。
関連論文リスト
- Synthetic Generation of Dermatoscopic Images with GAN and Closed-Form Factorization [12.753792457271953]
本稿では,GAN(Generative Adversarial Network)ベースのモデルを活用する,革新的な教師なし拡張ソリューションを提案する。
セマンティックなバリエーションを取り入れた合成画像を作成し、これらの画像でトレーニングデータを拡張した。
皮膚病変分類において,機械学習モデルの性能を向上し,非アンサンブルモデルに新しいベンチマークを設定できた。
論文 参考訳（メタデータ） (2024-10-07T15:09:50Z) - Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。
提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。
医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2024-03-19T09:28:19Z) - Incorporating Improved Sinusoidal Threshold-based Semi-supervised Method
and Diffusion Models for Osteoporosis Diagnosis [0.43512163406552007]
骨粗しょう症は、患者の生活の質に深刻な影響を及ぼす一般的な骨格疾患である。
従来の骨粗しょう症診断法は高価で複雑である。
本論文は, 有用性, 正確性, 低コストの利点を有する患者の画像データに基づいて, 骨粗しょう症を自動的に診断することができる。
論文 参考訳（メタデータ） (2024-03-11T08:11:46Z) - A Two-Stage Generative Model with CycleGAN and Joint Diffusion for
MRI-based Brain Tumor Detection [41.454028276986946]
本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。
CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。
VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
論文 参考訳（メタデータ） (2023-11-06T12:58:26Z) - Improving Feature Extraction from Histopathological Images Through A
Fine-tuning ImageNet Model [4.976419880800879]
大腸癌(CRC)には10万点の注釈画像パッチを用い,2段階的アプローチで術前Xceptionモデルを精査した。
微細なFTX2048から抽出した特徴は,CRCの歯列型を予測する精度が有意に高かった。
FTX2048はストーマの精度を87%から94%に改善した。
論文 参考訳（メタデータ） (2022-01-03T13:19:45Z) - Explainable multiple abnormality classification of chest CT volumes with
AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。
本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。
そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文 参考訳（メタデータ） (2021-11-24T01:14:33Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - A Deep Learning-Based Method for Automatic Segmentation of Proximal
Femur from Quantitative Computed Tomography Images [5.731199807877257]
我々は、エンドツーエンドの完全畳み込みニューラルネットワーク(CNN)であるV on-Netに基づく3次元画像分割法を開発した。
提案手法の有効性を評価する実験を行った。
論文 参考訳（メタデータ） (2020-06-09T21:16:47Z)
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。