論文の概要: Body Fat Estimation from Surface Meshes using Graph Neural Networks
- arxiv url: http://arxiv.org/abs/2308.02493v3
- Date: Tue, 31 Oct 2023 09:04:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 01:51:02.325253
- Title: Body Fat Estimation from Surface Meshes using Graph Neural Networks
- Title(参考訳): グラフニューラルネットワークを用いた表面メッシュからの体脂肪推定
- Authors: Tamara T. Mueller, Siyu Zhou, Sophie Starck, Friederike Jungmann,
Alexander Ziller, Orhun Aksoy, Danylo Movchan, Rickmer Braren, Georgios
Kaissis, Daniel Rueckert
- Abstract要約: 三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。
本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
- 参考スコア(独自算出の注目度): 48.85291874087541
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Body fat volume and distribution can be a strong indication for a person's
overall health and the risk for developing diseases like type 2 diabetes and
cardiovascular diseases. Frequently used measures for fat estimation are the
body mass index (BMI), waist circumference, or the waist-hip-ratio. However,
those are rather imprecise measures that do not allow for a discrimination
between different types of fat or between fat and muscle tissue. The estimation
of visceral (VAT) and abdominal subcutaneous (ASAT) adipose tissue volume has
shown to be a more accurate measure for named risk factors. In this work, we
show that triangulated body surface meshes can be used to accurately predict
VAT and ASAT volumes using graph neural networks. Our methods achieve high
performance while reducing training time and required resources compared to
state-of-the-art convolutional neural networks in this area. We furthermore
envision this method to be applicable to cheaper and easily accessible medical
surface scans instead of expensive medical images.
- Abstract(参考訳): 体脂肪の量と分布は、患者の健康状態および2型糖尿病や心血管疾患などの疾患の発症リスクの強い兆候である。
脂肪推定によく用いられる指標は、BMI(Body mass index)、腰周囲、腰ヒップ比である。
しかし、これらはむしろ不正確な手段であり、異なる種類の脂肪と脂肪と筋肉組織の区別を許さない。
腹腔内(vat)および腹部皮下(asat)脂肪組織量の推定は,より正確な危険因子の指標であることが示された。
本研究では, グラフニューラルネットワークを用いて, VATおよびASATボリュームを正確に予測するために, 三角体表面メッシュを使用できることを示す。
本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
さらに,この手法は高価な医用画像ではなく,安価で手軽にアクセスできる医用表面スキャンに適用できると考えられる。
関連論文リスト
- On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-01T10:10:46Z) - OBESEYE: Interpretable Diet Recommender for Obesity Management using
Machine Learning and Explainable AI [0.0]
多くの非感染性疾患の主要な原因である肥満は、主に私たちの身体の要求よりも多くを食べるために起こります。
各栄養素の正確な量を知るのは難しいのは、栄養素の要求が物理的および疾患の状態によって異なるためである。
我々は,個人が健康に必要な栄養素量を予測するための,機械学習に基づく新しいシステムを提案した。
論文 参考訳(メタデータ) (2023-08-05T06:02:28Z) - Advancing Smart Malnutrition Monitoring: A Multi-Modal Learning Approach
for Vital Health Parameter Estimation [0.0]
本研究は, 画期的な, スケーラブルで, 堅牢な栄養失調モニタリングシステムを提案する。
身長、体重、その他の重要な健康パラメータを推定するために、個人の1つのフルボディ画像を使用する。
本モデルでは, 平均絶対誤差 (MAE) が4.7cm, 5.3kg, 平均誤差 (MAE) は5.3kgと推定される。
論文 参考訳(メタデータ) (2023-07-31T15:08:02Z) - 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) - Machine Learning and Bioinformatics for Diagnosis Analysis of Obesity
Spectrum Disorders [0.0]
肥満患者の数は、摂食生活と不適切な食事が原因で倍増している。
肥満の人は異なる慢性疾患に苦しむため、平均寿命は80歳から75歳に低下した。
本報告では,肥満の原因を特徴付け,予測し,分析するためにMLデータセットを用いた小児・成人の肥満問題に対処する。
論文 参考訳(メタデータ) (2022-08-05T13:07:27Z) - Body Composition Estimation Based on Multimodal Multi-task Deep Neural
Network [0.0]
体組成は主に筋肉、脂肪、骨、水から構成される。
マルチモーダル多タスクディープニューラルネットワークを導入し,体脂肪率と骨格筋質量を推定した。
論文 参考訳(メタデータ) (2022-05-23T04:31:06Z) - Weakly-supervised Biomechanically-constrained CT/MRI Registration of the
Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。
また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。
以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文 参考訳(メタデータ) (2022-05-16T10:59:55Z) - A novel approach for the automated segmentation and volume
quantification of cardiac fats on computed tomography [0.9786690381850356]
本稿では,2種類の心臓脂肪の自律的分画と定量化のための統一的手法を提案する。
分節脂肪は心外および縦隔と呼ばれ、心膜によって互いに区別される。
提案手法は主に,所望のセグメンテーションを行うための登録アルゴリズムと分類アルゴリズムから構成される。
論文 参考訳(メタデータ) (2021-12-21T17:38:06Z) - Universal Loss Reweighting to Balance Lesion Size Inequality in 3D
Medical Image Segmentation [50.63623720394348]
ネットワークの小さな病変の検出能力を高めるために,損失再重み付け手法を提案する。
Dice Loss, Focal Loss, Asymmetric similarity Lossなど,よく知られた損失関数に対する本手法の利点を報告する。
実験の結果, 逆重み付けは検出品質を著しく向上させる一方で, 最先端のデライン化品質を保っていることがわかった。
論文 参考訳(メタデータ) (2020-07-20T12:08:22Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳(メタデータ) (2020-07-13T20:05:19Z)
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。