論文の概要: A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy
- arxiv url: http://arxiv.org/abs/2306.14680v1
- Date: Mon, 26 Jun 2023 13:23:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 13:27:24.040607
- Title: A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy
- Title（参考訳）: 仮想解剖集団の制御可能な合成のための条件付きフロー変動オートエンコーダ
- Authors: Haoran Dou, Nishant Ravikumar and Alejandro F. Frangi
- Abstract要約: 本研究では, 正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。
2360例の心左心室データセットを用いて,条件流VAEの性能を実証した。
- 参考スコア（独自算出の注目度）: 76.20367415712867
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generating virtual populations (VPs) of anatomy is essential for conducting
in-silico trials of medical devices. Typically, the generated VP should capture
sufficient variability while remaining plausible, and should reflect specific
characteristics and patient demographics observed in real populations. It is
desirable in several applications to synthesize VPs in a \textit{controlled}
manner, where relevant covariates are used to conditionally synthesise virtual
populations that fit specific target patient populations/characteristics. We
propose to equip a conditional variational autoencoder (cVAE) with normalizing
flows to boost the flexibility and complexity of the approximate posterior
learned, leading to enhanced flexibility for controllable synthesis of VPs of
anatomical structures. We demonstrate the performance of our conditional-flow
VAE using a dataset of cardiac left ventricles acquired from 2360 patients,
with associated demographic information and clinical measurements (used as
covariates/conditioning information). The obtained results indicate the
superiority of the proposed method for conditional synthesis of virtual
populations of cardiac left ventricles relative to a cVAE. Conditional
synthesis performance was assessed in terms of generalisation and specificity
errors, and in terms of the ability to preserve clinical relevant biomarkers in
the synthesised VPs, I.e. left ventricular blood pool and myocardial volume,
relative to the observed real population.
- Abstract（参考訳）: 解剖学の仮想集団(VP)の生成は、医療機器のシリコン内試験実施に不可欠である。
通常、生成したVPは十分な変動を観測し、実際の個体群で観察される特定の特徴や患者人口を反映すべきである。
いくつかの応用において、特定の患者集団/特性に適合する仮想集団を条件付きで合成するために、関連する共変量を用いるようにVPを合成することが望ましい。
そこで本研究では,条件付き変分オートエンコーダ(cvae, conditional variational autoencoder)に流れを正規化し,後進学習の柔軟性と複雑さを高め,解剖学的構造vpの制御可能な合成の柔軟性を高めることを提案する。
2360名から得られた心左室のデータセットを用いて,心室容積と臨床指標(共変量/コンディショニング情報として用いる)を用いて,心室容積vaeの有用性を実証した。
以上の結果から,心室の仮想集団をcvaeと比較して条件付き合成法が優れていることが示唆された。
条件付き合成性能は, 一般化と特異性誤差, 合成vpsにおける臨床関連バイオマーカー, 左室血流量, 心筋容積を実数と比較して保持する能力について検討した。
関連論文リスト
- Deep vectorised operators for pulsatile hemodynamics estimation in coronary arteries from a steady-state prior [2.3971720731010766]
本稿では,拍動血行動態を推定するために,機械学習を利用した時間効率な代理モデルを提案する。
本モデルでは, 震源領域の再サンプリングに依存せず, 脈動速度と圧力の正確な推定値が得られた。
論文 参考訳（メタデータ） (2024-10-15T12:24:50Z) - SeqRisk: Transformer-augmented latent variable model for improved survival prediction with longitudinal data [4.1476925904032464]
本研究では,変分オートエンコーダ (VAE) と長手VAE (LVAE) をトランスフォーマーエンコーダとコックス比例ハザードモジュールに結合してリスク予測を行う手法であるSeqRiskを提案する。
SeqRiskは、シミュレーションと実世界の両方のデータセットにおける既存のアプローチと比較して、競合的に機能することを示した。
論文 参考訳（メタデータ） (2024-09-19T12:35:25Z) - Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。
特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。
本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
論文 参考訳（メタデータ） (2024-08-26T20:05:31Z) - 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) - Fusing Echocardiography Images and Medical Records for Continuous Patient Stratification [16.93115087698284]
本研究は, 高血圧症と診断し難い連続体を用いて, 心血管系病理の表現を学習する手法を提案する。
提案手法はまず各変数をモダリティ固有のアプローチを用いて表現空間に射影する。
これらの標準化されたマルチモーダルデータの表現は、その後トランスフォーマーエンコーダに送られ、臨床評価を予測するタスクを通じて患者の包括的表現にマージされる。
239人の高血圧患者のコホートでこの連続体に沿った主要な傾向を観察し、高血圧が様々な心機能記述因子に与える影響について、前例のない詳細を報告した。
論文 参考訳（メタデータ） (2024-01-15T16:04:46Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic
Tree-Based Memory Network [54.332862955411656]
臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。
近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。
本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
論文 参考訳（メタデータ） (2023-07-19T12:35:09Z) - A Generative Shape Compositional Framework to Synthesise Populations of
Virtual Chimaeras [52.33206865588584]
複雑な解剖学的構造に対する生成的形状モデルを導入し、未ペアデータセットのデータセットから学習する。
心臓のサブストラクチャのサンプルとして,全音節形状のデータベースから仮想キマエラを構築した。
提案手法は,PCAをベースとした形状モデル(完全データによる学習)を,汎用性と特異性の観点から大きく上回っている。
論文 参考訳（メタデータ） (2022-10-04T13:36:52Z) - Cancer Subtyping by Improved Transcriptomic Features Using Vector
Quantized Variational Autoencoder [10.835673227875615]
本稿では,Vector Quantized Variational AutoEncoder (VQ-VAE)を提案する。
VQ-VAEは厳密な仮定を課さないため、その潜在機能は入力のより良い表現であり、メインストリームのクラスタリング手法で優れたクラスタリング性能を得ることができる。
論文 参考訳（メタデータ） (2022-07-20T09:47:53Z) - Equitable modelling of brain imaging by counterfactual augmentation with
morphologically constrained 3D deep generative models [0.5695579108997391]
このモデルは、下流の識別的モデリングタスクに対する反実的トレーニングデータ拡張を合成することを目的としている。
本研究では, ボクセル法に基づく形状計測, 条件付属性の分類と回帰, およびFr'echet距離を用いて, 合成反事実の品質を評価する。
私たちは、全体的な忠実さと株式の両方において、最先端の改善を達成しています。
論文 参考訳（メタデータ） (2021-11-29T19:55:31Z)
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。