論文の概要: Latent Disentanglement in Mesh Variational Autoencoders Improves the
Diagnosis of Craniofacial Syndromes and Aids Surgical Planning
- arxiv url: http://arxiv.org/abs/2309.10825v1
- Date: Tue, 5 Sep 2023 13:16:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-24 03:53:44.338323
- Title: Latent Disentanglement in Mesh Variational Autoencoders Improves the
Diagnosis of Craniofacial Syndromes and Aids Surgical Planning
- Title（参考訳）: メッシュ変分オートエンコーダにおける潜在性遠絡は頭蓋顔面症候群の診断と手術計画を改善する
- Authors: Simone Foti, Alexander J. Rickart, Bongjin Koo, Eimear O' Sullivan,
Lara S. van de Lande, Athanasios Papaioannou, Roman Khonsari, Danail
Stoyanov, N. u. Owase Jeelani, Silvia Schievano, David J. Dunaway, Matthew J.
Clarkson
- Abstract要約: Swap Disentangled Variational AutoencoderのCrouzon, Apert, Muenke 症候群への応用について検討する。
生成モデルの具体的パラメータを操作することにより,脳外科手術の結果をシミュレートすることも可能である。
- 参考スコア（独自算出の注目度）: 42.017495658167334
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The use of deep learning to undertake shape analysis of the complexities of
the human head holds great promise. However, there have traditionally been a
number of barriers to accurate modelling, especially when operating on both a
global and local level. In this work, we will discuss the application of the
Swap Disentangled Variational Autoencoder (SD-VAE) with relevance to Crouzon,
Apert and Muenke syndromes. Although syndrome classification is performed on
the entire mesh, it is also possible, for the first time, to analyse the
influence of each region of the head on the syndromic phenotype. By
manipulating specific parameters of the generative model, and producing
procedure-specific new shapes, it is also possible to simulate the outcome of a
range of craniofacial surgical procedures. This opens new avenues to advance
diagnosis, aids surgical planning and allows for the objective evaluation of
surgical outcomes.
- Abstract（参考訳）: 人間の頭部の複雑さの形状解析を深層学習で行うことは、非常に有望である。
しかし、伝統的に、特にグローバルレベルとローカルレベルの両方で動作する場合、正確なモデリングには多くの障壁があった。
本研究では,Swap Disentangled Variational Autoencoder (SD-VAE) の適用について,Crouzon,Apert,Muenke 症候群との関連について検討する。
メッシュ全体においてシンドローム分類が行われるが、頭頂部の各領域が相乗的表現型に与える影響を初めて分析することも可能である。
生成モデルの特定のパラメータを操作し、プロシージャ特異的な新しい形状を生産することにより、脳外科手術の範囲の結果をシミュレートすることもできる。
これにより、診断の進歩、手術計画の支援、手術結果の客観的評価が可能になる。
関連論文リスト
- Fast Medical Shape Reconstruction via Meta-learned Implicit Neural Representations [5.213304732451705]
検索と処理時間の最小化は、重要なシナリオにおける迅速な応答と意思決定を促進する可能性がある。
近年の手法は暗黙的神経機能を利用して医療形状再構築の課題を解決しようとするものである。
論文 参考訳（メタデータ） (2024-09-11T08:44:10Z) - AG-CRC: Anatomy-Guided Colorectal Cancer Segmentation in CT with
Imperfect Anatomical Knowledge [9.961742312147674]
自動生成臓器マスクを利用する新しい解剖ガイドセグメンテーションフレームワークを開発した。
提案手法を2つのCRCセグメンテーションデータセット上で広範囲に評価する。
論文 参考訳（メタデータ） (2023-10-07T03:22:06Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳（メタデータ） (2022-11-12T23:28:54Z) - 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) - Explainable multiple abnormality classification of chest CT volumes with
AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。
本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。
そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文 参考訳（メタデータ） (2021-11-24T01:14:33Z) - A Survey and Analysis on Automated Glioma Brain Tumor Segmentation and
Overall Patient Survival Prediction [1.41414531071294]
本論文は、グリオーマ脳腫瘍分節の自動化手法の進歩を調査することを目的としている。
また、ベンチマークに基づいて様々なモデルの客観的評価を行うことも不可欠である。
タスク1のディープニューラルネットワークモデルに対する手作り特徴を用いた脳腫瘍の領域分割の完全域について述べる。
論文 参考訳（メタデータ） (2021-01-26T07:22:52Z) - Unsupervised Region-based Anomaly Detection in Brain MRI with
Adversarial Image Inpainting [4.019851137611981]
本稿では,T1強調MRIのための完全自動非教師付き印字型脳腫瘍分割システムを提案する。
まず、Deep Convolutional Neural Network(DCNN)をトレーニングし、行方不明の健常な脳の領域を再構築する。
提案システムでは, 種々の腫瘍と抽象腫瘍を分離し, 平均偏差Diceスコアが0.176, 0.771, 標準偏差Diceスコアが得られた。
論文 参考訳（メタデータ） (2020-10-05T12:13:44Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z)
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。