論文の概要: Learning Temporally Equivariance for Degenerative Disease Progression in OCT by Predicting Future Representations

• arxiv url: http://arxiv.org/abs/2405.09404v2
• Date: Mon, 14 Oct 2024 14:17:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-15 15:02:24.757188
• Title: Learning Temporally Equivariance for Degenerative Disease Progression in OCT by Predicting Future Representations
• Title（参考訳）: 将来予測によるOCTの変性疾患進行の時間的等価性学習
• Authors: Taha Emre, Arunava Chakravarty, Dmitrii Lachinov, Antoine Rivail, Ursula Schmidt-Erfurth, Hrvoje Bogunović,
• Abstract要約: 時間変化を考慮したコントラスト学習(TC)手法を提案する。 本モデルでは,中間年齢関連黄斑変性 (AMD) から進行湿潤AMDへの進行予測において, 既存の異種コントラスト法より明らかに優れていた。
• 参考スコア（独自算出の注目度）: 2.2069666964830845
• License:
• Abstract: Contrastive pretraining provides robust representations by ensuring their invariance to different image transformations while simultaneously preventing representational collapse. Equivariant contrastive learning, on the other hand, provides representations sensitive to specific image transformations while remaining invariant to others. By introducing equivariance to time-induced transformations, such as disease-related anatomical changes in longitudinal imaging, the model can effectively capture such changes in the representation space. In this work, we propose a Time-equivariant Contrastive Learning (TC) method. First, an encoder embeds two unlabeled scans from different time points of the same patient into the representation space. Next, a temporal equivariance module is trained to predict the representation of a later visit based on the representation from one of the previous visits and the corresponding time interval with a novel regularization loss term while preserving the invariance property to irrelevant image transformations. On a large longitudinal dataset, our model clearly outperforms existing equivariant contrastive methods in predicting progression from intermediate age-related macular degeneration (AMD) to advanced wet-AMD within a specified time-window.
• Abstract（参考訳）: 対照的な事前訓練は、異なる画像変換への不変性を保証し、同時に表現の崩壊を防ぐことによって、堅牢な表現を提供する。 一方、同変コントラスト学習は、他と不変でありながら、特定の画像変換に敏感な表現を提供する。 時系列画像における疾患関連解剖学的変化などの時間変化に同値を導入することにより、モデルが表現空間におけるそのような変化を効果的に捉えることができる。 本研究では,時間等価なコントラスト学習(TC)手法を提案する。 まず、エンコーダは、同一患者の異なる時点から2つのラベルなしスキャンを表現空間に埋め込む。 次に、時間的等分散モジュールをトレーニングして、前回の訪問の1つと、それに対応する時間間隔の表現に基づいて後回の訪問の表現を、無関係な画像変換に対する不変性を保ちながら、新しい正規化損失項で予測する。 大規模な縦断データセットでは,中間年齢関連黄斑変性 (AMD) から進行湿潤AMDへの進行予測において,既存の異種コントラスト法よりも明らかに優れていた。

関連論文リスト

• Unsupervised Representation Learning from Sparse Transformation Analysis [79.94858534887801]
  本稿では,潜在変数のスパース成分への変換を分解し,シーケンスデータから表現を学習することを提案する。 入力データは、まず潜伏活性化の分布として符号化され、その後確率フローモデルを用いて変換される。
  論文  参考訳（メタデータ） (2024-10-07T23:53:25Z)
• Robust Multivariate Time Series Forecasting against Intra- and Inter-Series Transitional Shift [40.734564394464556]
  本稿では,時系列内/時系列間の相関関係を統合的に把握し,時変遷移分布をモデル化するための統一確率グラフモデルを提案する。 6つの高定常MTSデータセットに対する広範囲な実験により、JointPGMの有効性と効率を検証した。
  論文  参考訳（メタデータ） (2024-07-18T06:16:03Z)
• Changen2: Multi-Temporal Remote Sensing Generative Change Foundation Model [62.337749660637755]
  安価で自動的な生成モデルに基づく変更データ生成器を提案する。 Changen2は、自己監督を通じて大規模にトレーニング可能な、生成的な変更基盤モデルである。 得られたモデルには、固有のゼロショット変化検出機能と優れた転送性がある。
  論文  参考訳（メタデータ） (2024-06-26T01:03:39Z)
• Imaging with Equivariant Deep Learning [9.333799633608345]
  我々は、同変イメージングの出現する分野を概観し、それが一般化と新たなイメージングの機会をいかに向上させるかを示す。 獲得物理と集団行動の相互作用と、反復的再構成、ブラインド圧縮センシング、自己教師型学習との関連を示す。
  論文  参考訳（メタデータ） (2022-09-05T02:13:57Z)
• Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
  画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。 応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。 パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
  論文  参考訳（メタデータ） (2021-10-07T11:08:11Z)
• Topographic VAEs learn Equivariant Capsules [84.33745072274942]
  本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。 このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。 我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
  論文  参考訳（メタデータ） (2021-09-03T09:25:57Z)
• Adversarial Semantic Data Augmentation for Human Pose Estimation [96.75411357541438]
  本研究では,セマンティックデータ拡張法 (SDA) を提案する。 また,適応的セマンティックデータ拡張 (ASDA) を提案する。 最先端の結果は、挑戦的なベンチマークで得られます。
  論文  参考訳（メタデータ） (2020-08-03T07:56:04Z)
• Learning Disentangled Representations with Latent Variation Predictability [102.4163768995288]
  本稿では,潜在不整合表現の変動予測可能性について述べる。 逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。 本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
  論文  参考訳（メタデータ） (2020-07-25T08:54:26Z)

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。