論文の概要: A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy
- arxiv url: http://arxiv.org/abs/2306.14680v2
- Date: Fri, 28 Jul 2023 10:11:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-31 15:32:15.774029
- 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: 本稿では,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を用いた条件流VAEの性能について検討した。
- 参考スコア(独自算出の注目度): 76.20367415712867
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The generation of 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 the specific characteristics and demographics of the patients observed
in real populations. In several applications, it is desirable to synthesise
virtual populations in a \textit{controlled} manner, where relevant covariates
are used to conditionally synthesise virtual populations that fit a specific
target population/characteristics. We propose to equip a conditional
variational autoencoder (cVAE) with normalising flows to boost the flexibility
and complexity of the approximate posterior learnt, leading to enhanced
flexibility for controllable synthesis of VPs of anatomical structures. We
demonstrate the performance of our conditional flow VAE using a data set of
cardiac left ventricles acquired from 2360 patients, with associated
demographic information and clinical measurements (used as
covariates/conditional information). The results obtained 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 evaluated in terms of generalisation and specificity
errors and in terms of the ability to preserve clinically relevant biomarkers
in synthesised VPs, that is, the left ventricular blood pool and myocardial
volume, relative to the real observed population.
- Abstract(参考訳): 解剖学の仮想集団(VP)の生成は、医療機器のシリコ試験を行う上で不可欠である。
通常、生成したVPは十分な変動を観測し、実際の集団で観察される患者の特性や人口統計を反映すべきである。
いくつかの応用において、特定の対象の個体群/特性に適合する仮想個体群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仮想個体群を合成することが望ましい。
本研究では,条件付き変分オートエンコーダ(cVAE)に正規化フローを付与し,近似した後部学習者の柔軟性と複雑さを向上し,解剖学的構造VPの制御可能な合成の柔軟性を向上させることを提案する。
2360例の心室中左心室データを用いた条件流VAEの性能について検討し,関連する人口統計情報と臨床測定値(共変量/条件情報)を用いて検討した。
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, 特異性誤差, 臨床的に関連するバイオマーカーの保存能力, すなわち左室血流量, 心筋容積について, 実際の観察値と比較して評価した。
関連論文リスト
- 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 [6.328889967237029]
本研究は, 心血管疾患, 高血圧の表現を学習するために, 医療記録や心エコー図から抽出したすべての記述子を考察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プリテキストタスクを通じて患者の包括的表現にマージされる。
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) - Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。
NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。
本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
論文 参考訳(メタデータ) (2023-06-24T17:01:51Z) - 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) - EVA: Generating Longitudinal Electronic Health Records Using Conditional
Variational Autoencoders [34.22731849545798]
離散的な EHR の出会いと出会いの特徴を合成するための EHR Variational Autoencoder (EVA) を提案する。
EVAは現実的なシーケンスを生成でき、患者間の個人差を考慮し、特定の疾患条件で条件付けできる。
250,000人以上の患者を含む大規模な現実世界のEHRリポジトリの方法の有用性を評価します。
論文 参考訳(メタデータ) (2020-12-18T02:37:49Z) - Longitudinal Variational Autoencoder [1.4680035572775534]
不足値を含む高次元データを解析するための一般的なアプローチは、変分オートエンコーダ(VAE)を用いた低次元表現を学習することである。
標準的なVAEは、学習した表現はi.d.であり、データサンプル間の相関を捉えることができないと仮定する。
本稿では,多出力加法的ガウス過程(GP)を用いて,構造化された低次元表現を学習するVAEの能力を拡張した縦型VAE(L-VAE)を提案する。
我々の手法は時間変化の共有効果とランダム効果の両方に同時に対応でき、構造化された低次元表現を生成する。
論文 参考訳(メタデータ) (2020-06-17T10:30:14Z)
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。