論文の概要: CHeart: A Conditional Spatio-Temporal Generative Model for Cardiac Anatomy

• arxiv url: http://arxiv.org/abs/2301.13098v3
• Date: Thu, 30 Nov 2023 19:20:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 19:05:34.019541
• Title: CHeart: A Conditional Spatio-Temporal Generative Model for Cardiac Anatomy
• Title（参考訳）: CHeart : 心臓解剖における条件時空間生成モデル
• Authors: Mengyun Qiao, Shuo Wang, Huaqi Qiu, Antonio de Marvao, Declan P. O'Regan, Daniel Rueckert, Wenjia Bai
• Abstract要約: 心臓画像解析における2つの重要な疑問は、画像から心臓の解剖と運動を評価することである。 本研究では,心臓の4次元時間解剖と非画像的臨床因子との相互作用を記述する条件生成モデルを提案する。
• 参考スコア（独自算出の注目度）: 16.84316344437967
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Two key questions in cardiac image analysis are to assess the anatomy and motion of the heart from images; and to understand how they are associated with non-imaging clinical factors such as gender, age and diseases. While the first question can often be addressed by image segmentation and motion tracking algorithms, our capability to model and to answer the second question is still limited. In this work, we propose a novel conditional generative model to describe the 4D spatio-temporal anatomy of the heart and its interaction with non-imaging clinical factors. The clinical factors are integrated as the conditions of the generative modelling, which allows us to investigate how these factors influence the cardiac anatomy. We evaluate the model performance in mainly two tasks, anatomical sequence completion and sequence generation. The model achieves a high performance in anatomical sequence completion, comparable to or outperforming other state-of-the-art generative models. In terms of sequence generation, given clinical conditions, the model can generate realistic synthetic 4D sequential anatomies that share similar distributions with the real data.
• Abstract（参考訳）: 心画像解析における2つの重要な疑問は、画像から心臓の解剖と運動を評価することと、それが性別、年齢、疾患などの非画像的臨床因子とどのように関連しているかを理解することである。 第1の質問はしばしば画像分割とモーショントラッキングアルゴリズムによって解決されるが、第2の質問をモデル化して答える能力はまだ限られている。 本研究では,心臓の4次元時空間解剖とその非画像的臨床因子との相互作用を記述するための条件生成モデルを提案する。 臨床因子は生成モデリングの条件として統合され, これらの因子が心臓解剖にどのように影響するかを調べることができる。 主に解剖学的シーケンス完了とシーケンス生成の2つのタスクでモデル性能を評価する。 このモデルは解剖学的シーケンスの完成度において、他の最先端生成モデルに匹敵する高い性能を達成している。 臨床条件が与えられた場合、このモデルは、類似した分布を実際のデータと共有するリアルな4Dシーケンシャル解剖を生成できる。

関連論文リスト

• Longitudinal Causal Image Synthesis [19.07839779249869]
  臨床的意思決定は因果推論と縦断解析に大きく依存する。 脳脊髄液中のA-βレベルに介在した場合、脳灰白質萎縮は1年でどのように起こるか?
  論文  参考訳（メタデータ） (2024-10-23T09:13:11Z)
• A Personalised 3D+t Mesh Generative Model for Unveiling Normal Heart Dynamics [6.6350578770951385]
  心臓の形状と運動パターンの分布を学習するために,条件付き生成モデルであるMeshHeartを開発した。 MeshHeartは、年齢、性別、体重、高さなどの臨床的要因を考慮して、3D+t心筋メッシュ配列を生成することができる。 本稿では,個人化規範パターンから実際の心臓の偏差を定量化する,新しい距離測定式潜時デルタを提案する。
  論文  参考訳（メタデータ） (2024-09-20T18:08:37Z)
• Spatio-temporal neural distance fields for conditional generative modeling of the heart [0.10481793104300056]
  本稿では,時間的神経野の形で形と動きを暗黙的にモデル化し,臨床デモグラフィーに基づく条件付き生成モデルを提案する。 左心房で検査され、現在の配列解剖学的完了合成配列よりも優れている。 これは、静的画像から機能的計測を推測し、特定のデモグラフィーまたは疾患で合成集団を生成し、非画像臨床データが心臓解剖の形状と運動にどのように影響するかを調査することができることを意味している。
  論文  参考訳（メタデータ） (2024-07-15T12:26:52Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• Shape of my heart: Cardiac models through learned signed distance functions [33.29148402516714]
  本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。 この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。 また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
  論文  参考訳（メタデータ） (2023-08-31T09:02:53Z)
• Generative Modelling of the Ageing Heart with Cross-Sectional Imaging and Clinical Data [13.819131884449881]
  本研究では, 加齢に伴う心臓の3次元解剖学的変化を記述するための条件生成モデルを提案する。 心臓解剖学の大規模横断データセットを用いてモデルを訓練し,横断データセットと縦データセットの両方で評価する。
  論文  参考訳（メタデータ） (2022-08-28T06:14:39Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)

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。