論文の概要: Posterior Estimation Using Deep Learning: A Simulation Study of
Compartmental Modeling in Dynamic PET
- arxiv url: http://arxiv.org/abs/2303.10057v1
- Date: Fri, 17 Mar 2023 15:38:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 14:07:46.220680
- Title: Posterior Estimation Using Deep Learning: A Simulation Study of
Compartmental Modeling in Dynamic PET
- Title（参考訳）: 深層学習を用いた後部推定:動的PETにおける比較モデルの検討
- Authors: Xiaofeng Liu, Thibault Marin, Tiss Amal, Jonghye Woo, Georges El
Fakhri, Jinsong Ouyang
- Abstract要約: 医用画像では、画像は通常決定論的として扱われるが、その不確実性はほとんど探索されていない。
本研究の目的は、ディープラーニングを用いて画像パラメータの後方分布を効率的に推定することである。
- 参考スコア（独自算出の注目度）: 10.548241058414668
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: In medical imaging, images are usually treated as deterministic,
while their uncertainties are largely underexplored. Purpose: This work aims at
using deep learning to efficiently estimate posterior distributions of imaging
parameters, which in turn can be used to derive the most probable parameters as
well as their uncertainties. Methods: Our deep learning-based approaches are
based on a variational Bayesian inference framework, which is implemented using
two different deep neural networks based on conditional variational
auto-encoder (CVAE), CVAE-dual-encoder and CVAE-dual-decoder. The conventional
CVAE framework, i.e., CVAE-vanilla, can be regarded as a simplified case of
these two neural networks. We applied these approaches to a simulation study of
dynamic brain PET imaging using a reference region-based kinetic model.
Results: In the simulation study, we estimated posterior distributions of PET
kinetic parameters given a measurement of time-activity curve. Our proposed
CVAE-dual-encoder and CVAE-dual-decoder yield results that are in good
agreement with the asymptotically unbiased posterior distributions sampled by
Markov Chain Monte Carlo (MCMC). The CVAE-vanilla can also be used for
estimating posterior distributions, although it has an inferior performance to
both CVAE-dual-encoder and CVAE-dual-decoder. Conclusions: We have evaluated
the performance of our deep learning approaches for estimating posterior
distributions in dynamic brain PET. Our deep learning approaches yield
posterior distributions, which are in good agreement with unbiased
distributions estimated by MCMC. All these neural networks have different
characteristics and can be chosen by the user for specific applications. The
proposed methods are general and can be adapted to other problems.
- Abstract（参考訳）: 背景: 医用画像では、画像は通常決定論として扱われるが、その不確実性はほとんど未熟である。
目的: 深層学習を用いて、画像パラメータの後方分布を効率的に推定し、最も可能性の高いパラメータとその不確かさを導出することを目的とする。
提案手法は,条件付き変分オートエンコーダ(CVAE)とCVAEデュアルエンコーダ(CVAE-dual-encoder)とCVAE-dual-decoder(CVAE-dual-decoder)の2つの異なるディープニューラルネットワークを用いて実装された変分ベイズ推論フレームワークに基づく。
従来のCVAEフレームワーク、すなわちCVAE-vanillaは、これらの2つのニューラルネットワークの単純化されたケースとみなすことができる。
これらの手法を、参照領域に基づく運動モデルを用いた動的脳PETイメージングのシミュレーション研究に応用した。
結果: シミュレーション実験では, PETの運動パラメータの後方分布を時間活性曲線の測定値から推定した。
提案するCVAE-dual-encoderとCVAE-dual-decoderは,マルコフ・チェイン・モンテカルロ(MCMC)による漸近的に偏りのない後部分布とよく一致している。
CVAE-vanillaは後部分布の推定にも使えるが、CVAE-dual-encoderとCVAE-dual-decoderに劣る性能を持つ。
結論: 動的脳PETにおける後部分布推定のためのディープラーニング手法の性能評価を行った。
我々の深層学習アプローチは,MCMCが推定した非偏平分布とよく一致した後部分布を生成する。
これらのニューラルネットワークはすべて異なる特性を持ち、特定のアプリケーションに対してユーザが選択することができる。
提案手法は一般的であり,他の問題に適用可能である。
関連論文リスト
- KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - A variational neural Bayes framework for inference on intractable posterior distributions [1.0801976288811024]
トレーニングされたニューラルネットワークに観測データを供給することにより、モデルパラメータの後方分布を効率的に取得する。
理論的には、我々の後部はKulback-Leiblerの発散において真の後部に収束することを示す。
論文 参考訳（メタデータ） (2024-04-16T20:40:15Z) - Posterior Estimation for Dynamic PET imaging using Conditional
Variational Inference [10.206699988915183]
効率的な後続推定のためのディープラーニングに基づくフレームワークを提案する。
具体的には、潜伏変数を導入することにより、フォワードプロセスにおける情報損失に対処する。
論文 参考訳（メタデータ） (2023-10-24T14:05:30Z) - PINQI: An End-to-End Physics-Informed Approach to Learned Quantitative MRI Reconstruction [0.7199733380797579]
定量的磁気共鳴イメージング(qMRI)は、生体物理パラメータの再現可能な測定を可能にする。
この課題は、取得した生データから所望の組織パラメーターマップを得るために、非線形で不適切な逆問題を解決することである。
我々は、信号、取得モデルに関する知識を統合した新しいqMRI再構成手法であるPINQIを提案し、単一エンドツーエンドのトレーニング可能なニューラルネットワークへの正規化を学習した。
論文 参考訳（メタデータ） (2023-06-19T15:37:53Z) - On the optimization and pruning for Bayesian deep learning [1.0152838128195467]
重み空間上でニューラルネットワークを学習するための適応型変分ベイズアルゴリズムを提案する。
EM-MCMCアルゴリズムにより,ワンショットで最適化とモデルプルーニングを行うことができる。
我々の密度モデルは最先端の性能に到達でき、スパースモデルは以前提案したプルーニング方式と比較して非常によく機能する。
論文 参考訳（メタデータ） (2022-10-24T05:18:08Z) - Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。
本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文 参考訳（メタデータ） (2022-03-23T12:52:49Z) - Assessments of model-form uncertainty using Gaussian stochastic weight
averaging for fluid-flow regression [0.0]
我々は,ニューラルネットワークに基づく関数近似に関連したモデル形状の不確実性を評価するために,ガウス量平均化(SWAG)を用いた。
SWAGは、各重量の後方ガウス分布、与えられたトレーニングデータ、一定の学習率を近似する。
本稿では,2種類のニューラルネットワークに適用可能であることを示す。
論文 参考訳（メタデータ） (2021-09-16T23:13:26Z) - 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) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳（メタデータ） (2021-06-17T17:26:31Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳（メタデータ） (2021-02-02T06:15:15Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。