論文の概要: CEST-KAN: Kolmogorov-Arnold Networks for CEST MRI Data Analysis

• arxiv url: http://arxiv.org/abs/2406.16026v1
• Date: Sun, 23 Jun 2024 06:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-06-25 19:23:47.237714
• Title: CEST-KAN: Kolmogorov-Arnold Networks for CEST MRI Data Analysis
• Title（参考訳）: CEST-KAN:CEST MRIデータ解析のためのコルモゴロフ・アルノルドネットワーク
• Abstract要約: 我々は,CEST MRIデータ解析(CEST-KAN)におけるKAN(Kolmogorov Network)の有用性について検討した。 マルチ層パーセプトロン(MLP)とKANモデルの性能評価を行った。
• 参考スコア（独自算出の注目度）: 6.435914008254925
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: To propose and investigate the feasibility of using Kolmogorov-Arnold Network (KAN) for CEST MRI data analysis (CEST-KAN). Methods: CEST MRI data were acquired from twelve healthy volunteers at 3T. Data from ten subjects were used for training, while the remaining two were reserved for testing. The performance of multi-layer perceptron (MLP) and KAN models with the same network settings were evaluated and compared to the conventional multi-pool Lorentzian fitting (MPLF) method in generating water and multiple CEST contrasts, including amide, relayed nuclear Overhauser effect (rNOE), and magnetization transfer (MT). Results: The water and CEST maps generated by both MLP and KAN were visually comparable to the MPLF results. However, the KAN model demonstrated higher accuracy in extrapolating the CEST fitting metrics, as evidenced by the smaller validation loss during training and smaller absolute error during testing. Voxel-wise correlation analysis showed that all four CEST fitting metrics generated by KAN consistently exhibited higher Pearson coefficients than the MLP results, indicating superior performance. Moreover, the KAN models consistently outperformed the MLP models in varying hidden layer numbers despite longer training time. Conclusion: In this study, we demonstrated for the first time the feasibility of utilizing KAN for CEST MRI data analysis, highlighting its superiority over MLP in this task. The findings suggest that CEST-KAN has the potential to be a robust and reliable post-analysis tool for CEST MRI in clinical settings.
• Abstract（参考訳）: 目的:CEST MRIデータ解析(CEST-KAN)におけるKAN(Kolmogorov-Arnold Network)の有効性について検討する。 方法: CEST MRIは健常者12名から3Tで取得した。 10人の被験者からのデータが訓練に使われ、残りの2人は試験に使用された。 マルチ層パーセプトロン(MLP)とKANモデルの性能評価を行い,アミド,リレート核オーバーハウザー効果(rNOE),磁化移動(MT)を含む複数のCESTコントラストと水の生成における従来のマルチプールローレンツアンフィッティング(MPLF)法と比較した。 結果:MPLPとKANで生成した水とCESTマップはMPLFと視覚的に比較した。 しかし、KANモデルは、トレーニング中の検証損失が小さく、テスト中の絶対誤差が小さいことから、CEST適合度を外挿する際の精度が高かった。 Voxel-wise correlation analysisにより,kan が生成した4つの CEST 適合度は MLP よりも高いPearson 係数を示し,優れた性能を示した。 さらに、KANモデルはトレーニング時間が長いにもかかわらず、様々な隠蔽層数でMLPモデルより一貫して優れていた。 結論:本研究は,CEST MRIデータ解析におけるkanの有用性を初めて実証し,この課題におけるMLPの優位性を強調した。 以上の結果から,CEST-KANは臨床環境でのCEST MRIの堅牢かつ信頼性の高い分析ツールである可能性が示唆された。

関連論文リスト

• Metamorphic Testing for Clinical ML Models: A Framework Proposal and Pilot Study [3.4905170154782343]
  臨床予測タスクのための機械学習モデルは、定期的に高いAUROCスコアを達成する。 AUROCは、臨床的感受性よりもランキングパフォーマンスを計測する。 本稿では,機械学習モデルにメタモルフィックテストを適用し,行動の正しさを評価する。
  論文  参考訳（メタデータ） (2026-07-25T01:42:45Z)
• Estimating Individualized Treatment Effects in Acute Ischemic Stroke with Causal Transformation Models (TRAM-DAG): A Multi-Centre Observational Study with External RCT Validation [0.5359378066251386]
  ランダム化対照試験(RCTs)では,機械的血栓摘出術が解離よりも平均的に有効であることが示されている。 本研究の目的は, メカニカル・トロンボミーの患者に対して, 解離と比較して最も有益な患者を特定することである。 我々は,脳卒中患者の観察データに照準を合わせることで,指向性非環状グラフ(TRAM-DAG)の因果変換モデルをITT推定に利用できることを示した。
  論文  参考訳（メタデータ） (2026-06-10T19:29:43Z)
• Cross-Representation Benchmarking in Time-Series Electronic Health Records for Clinical Outcome Prediction [44.23284500920266]
  このベンチマークは、2つの異なる臨床環境におけるデータキュレーションと評価を標準化する。 実験によると、イベントストリームモデルは、常に最強のパフォーマンスを提供する。 特徴選択戦略は臨床環境に適応する必要がある。
  論文  参考訳（メタデータ） (2025-10-10T09:03:47Z)
• Equivariant Spherical CNNs for Accurate Fiber Orientation Distribution Estimation in Neonatal Diffusion MRI with Reduced Acquisition Time [1.675857332621569]
  新生児dMRIに適した回転同変球状畳み込みニューラルネットワーク(SCNN)フレームワークを提案する。 我々は、43の新生児dMRIデータセットから得られた実データを用いて、sCNNの性能を訓練し、評価する。
  論文  参考訳（メタデータ） (2025-04-02T17:36:51Z)
• Latent Space Class Dispersion: Effective Test Data Quality Assessment for DNNs [45.129846925131055]
  Latent Space Class Dispersion (LSCD)は、ディープニューラルネットワーク(DNN)のテストデータセットの品質を定量化する新しいメトリクスである。 実験により,LSCDは画像分類タスクに関連する3つの一般的なベンチマークの試験データセットの欠陥を明らかにし,定量化することを示した。
  論文  参考訳（メタデータ） (2025-03-24T15:45:50Z)
• A multimodal ensemble approach for clear cell renal cell carcinoma treatment outcome prediction [6.199310532720352]
  臨床データ,マルチオミクスデータ,および病理組織学的全スライド画像(WSI)データを統合するマルチモーダルアンサンブルモデル(MMEM)を開発した。 MMEMはccRCC患者の全身生存率(OS)と無病生存率(DFS)を予測した。
  論文  参考訳（メタデータ） (2024-12-10T02:51:14Z)
• A preliminary study on continual learning in computer vision using Kolmogorov-Arnold Networks [43.70716358136333]
  Kolmogorov-Networks (KAN) は基本的に異なる数学的枠組みに基づいている。 Kansは継続的学習シナリオの忘れなど,いくつかの大きな問題に対処している。 コンピュータビジョンにおける連続的な学習課題における感性の評価によって調査を拡大する。
  論文  参考訳（メタデータ） (2024-09-20T14:49:21Z)
• A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
  変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。 ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
  論文  参考訳（メタデータ） (2024-05-13T17:49:20Z)
• A Federated Learning Framework for Stenosis Detection [70.27581181445329]
  本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。 アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。 データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
  論文  参考訳（メタデータ） (2023-10-30T11:13:40Z)
• ssVERDICT: Self-Supervised VERDICT-MRI for Enhanced Prostate Tumour Characterisation [2.755232740505053]
  トレーニングデータなしでVERDICT推定パラメータマップを適合させる自己教師型ニューラルネットワーク。 本研究では,SsVERDICTの性能を拡散MRIモデルに適合する2つの確立されたベースライン法と比較する。
  論文  参考訳（メタデータ） (2023-09-12T14:31:33Z)
• On the Theories Behind Hard Negative Sampling for Recommendation [51.64626293229085]
  ハードネガティブサンプリング(HNS)を効果的に活用するための2つの洞察に富んだガイドラインを提供する。 パーソナライズされたランク付け(BPR)学習者におけるHNSの利用は、一方通行部分AUC(OPAUC)の最適化と等価であることを示す。 これらの分析は、初めてトップKレコメンデーションパフォーマンスを最適化するHNSの理論的基盤を確立する。
  論文  参考訳（メタデータ） (2023-02-07T13:57:03Z)
• Quantitative CT texture-based method to predict diagnosis and prognosis of fibrosing interstitial lung disease patterns [0.0]
  線維化性間質性肺疾患(ILD)の診断・予後予測のための高分解能定量的CT(QCT)イメージング 40例(通常間質性肺炎20例,非間質性肺炎20例,非間質性肺炎20例)を放射線技師2名による専門的コンセンサスで分類し,7年間経過した。
  論文  参考訳（メタデータ） (2022-06-20T13:27:38Z)
• Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
  本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
  論文  参考訳（メタデータ） (2021-05-06T10:21:28Z)
• Learning representations with end-to-end models for improved remaining useful life prognostics [64.80885001058572]
  残りの設備の実用寿命(RUL)は、現在の時刻と故障までの期間として定義される。 マルチ層パーセプトロンと長期メモリ層(LSTM)に基づくエンドツーエンドのディープラーニングモデルを提案し、RULを予測する。 提案するエンド・ツー・エンドのモデルがこのような優れた結果を達成し、他のディープラーニングや最先端の手法と比較する方法について論じる。
  論文  参考訳（メタデータ） (2021-04-11T16:45:18Z)
• Multimodal fusion using sparse CCA for breast cancer survival prediction [18.586974977393258]
  本稿では,モダリティ内およびモダリティ間相関を考慮した正準相関解析による特徴埋め込みモジュールを提案する。 シミュレーションおよび実データを用いた実験は,提案モジュールがよく相関した多次元埋め込みを学習できることを示す。
  論文  参考訳（メタデータ） (2021-03-09T14:23:50Z)
• A new semi-supervised self-training method for lung cancer prediction [0.28734453162509355]
  CT(Computerd Tomography)スキャンから結節を同時に検出し、分類する方法は比較的少ない。 本研究は,Nuisy Student法による最先端の自己訓練法を用いて,肺結節の検出と分類を行うための完全なエンドツーエンドスキームを提案する。
  論文  参考訳（メタデータ） (2020-12-17T09:53:51Z)
• Predicting Clinical Trial Results by Implicit Evidence Integration [40.80948875051806]
  新規な臨床試験結果予測(CTRP)タスクを導入する。 CTRPフレームワークでは、モデルがPICO形式の臨床試験の提案を受け、その背景を入力として、その結果を予測する。 PICOを暗黙的に含む医学文献から大規模非構造化文を引用し,その結果を証拠とした。
  論文  参考訳（メタデータ） (2020-10-12T12:25:41Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。