論文の概要: Temporal Evolution of Knee Osteoarthritis: A Diffusion-based Morphing Model for X-ray Medical Image Synthesis
- arxiv url: http://arxiv.org/abs/2408.00891v1
- Date: Thu, 1 Aug 2024 20:00:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 15:06:04.655851
- Title: Temporal Evolution of Knee Osteoarthritis: A Diffusion-based Morphing Model for X-ray Medical Image Synthesis
- Title(参考訳): 変形性膝関節症の経時的変化 : X線医用画像合成のための拡散モデル
- Authors: Zhe Wang, Aladine Chetouani, Rachid Jennane, Yuhua Ru, Wasim Issa, Mohamed Jarraya,
- Abstract要約: 患者の健康な膝と重度のKOAステージ間の中間X線画像の合成を目的とした新しい深層学習モデルを提案する。
テストフェーズでは,健常な膝X線に基づいて,KOAX線画像の連続的かつ効果的なシーケンスを生成することができる。
提案手法は拡散モジュールと変形モジュールを統合し,X線源画像とターゲット画像との空間的変形の詳細を抽出する。
- 参考スコア(独自算出の注目度): 6.014316825270666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knee Osteoarthritis (KOA) is a common musculoskeletal disorder that significantly affects the mobility of older adults. In the medical domain, images containing temporal data are frequently utilized to study temporal dynamics and statistically monitor disease progression. While deep learning-based generative models for natural images have been widely researched, there are comparatively few methods available for synthesizing temporal knee X-rays. In this work, we introduce a novel deep-learning model designed to synthesize intermediate X-ray images between a specific patient's healthy knee and severe KOA stages. During the testing phase, based on a healthy knee X-ray, the proposed model can produce a continuous and effective sequence of KOA X-ray images with varying degrees of severity. Specifically, we introduce a Diffusion-based Morphing Model by modifying the Denoising Diffusion Probabilistic Model. Our approach integrates diffusion and morphing modules, enabling the model to capture spatial morphing details between source and target knee X-ray images and synthesize intermediate frames along a geodesic path. A hybrid loss consisting of diffusion loss, morphing loss, and supervision loss was employed. We demonstrate that our proposed approach achieves the highest temporal frame synthesis performance, effectively augmenting data for classification models and simulating the progression of KOA.
- Abstract(参考訳): 変形性膝関節症(KOA)は,高齢者の運動に著しい影響を及ぼす筋骨格障害である。
医学領域では、時間的データを含む画像は、時間的ダイナミクスの研究や、病気の進行を統計的に監視するために頻繁に利用される。
自然画像の深層学習に基づく生成モデルは広く研究されているが、側頭膝X線を合成する手法は比較的少ない。
本研究では,特定の患者の健康な膝と重度のKOAステージ間の中間X線画像の合成を目的とした新しいディープラーニングモデルを提案する。
テストフェーズでは,健常な膝X線に基づいて,さまざまな重度を有するKOAX線画像の連続的かつ効果的なシーケンスを生成することができる。
具体的には,拡散確率モデルを変更することで拡散に基づくモーフィングモデルを導入する。
提案手法は拡散・変形モジュールを統合し, 対象の膝X線画像から空間的変形の詳細を抽出し, 中間フレームをジオデシックパスに沿って合成する。
拡散損失, 変態損失, 監督損失からなるハイブリッド損失を用いた。
提案手法は,最高時間フレーム合成性能を実現し,分類モデルのデータを効果的に拡張し,KOAの進行をシミュレートする。
関連論文リスト
- Inpainting Pathology in Lumbar Spine MRI with Latent Diffusion [4.410798232767917]
病理組織学的特徴をMRIで健全な解剖学的特徴に塗布する効率的な方法を提案する。
腰椎椎間板ヘルニアと中心管狭窄に対し,T2 MRIにて椎間板ヘルニアを挿入する能力について検討した。
論文 参考訳(メタデータ) (2024-06-04T16:47:47Z) - Incorporating Improved Sinusoidal Threshold-based Semi-supervised Method
and Diffusion Models for Osteoporosis Diagnosis [0.43512163406552007]
骨粗しょう症は、患者の生活の質に深刻な影響を及ぼす一般的な骨格疾患である。
従来の骨粗しょう症診断法は高価で複雑である。
本論文は, 有用性, 正確性, 低コストの利点を有する患者の画像データに基づいて, 骨粗しょう症を自動的に診断することができる。
論文 参考訳(メタデータ) (2024-03-11T08:11:46Z) - DDPM based X-ray Image Synthesizer [0.0]
本稿では, 拡散確率モデル(DDPM)とUNetアーキテクチャを組み合わせたX線画像合成手法を提案する。
本手法では,Kaggleから得られた3000以上の肺炎X線画像を用いて訓練を行った。
その結果, 平均二乗誤差(MSE)が低い実写画像の生成に成功し, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2024-01-03T04:35:58Z) - BS-Diff: Effective Bone Suppression Using Conditional Diffusion Models
from Chest X-Ray Images [21.19843479423806]
胸部X線(CXR)は肺検診の低用量モダリティとして一般的に用いられる。
肺領域の約75%は骨と重なり、疾患の検出と診断を妨げている。
骨抑制技術が導入されたが、現在の病院の二重エネルギーサブトラクションイメージング技術は、高価な機器と高放射線にさらされる被検体を必要としている。
本稿では,U-Netアーキテクチャを備えた条件拡散モデルと,オートエンコーダを組み込むシンプルな拡張モジュールを備える骨抑制フレームワークBS-Diffを提案する。
論文 参考訳(メタデータ) (2023-11-26T15:13:13Z) - Introducing Shape Prior Module in Diffusion Model for Medical Image
Segmentation [7.7545714516743045]
拡散確率モデル(DDPM)を利用したVerseDiff-UNetというエンドツーエンドフレームワークを提案する。
我々のアプローチは拡散モデルを標準のU字型アーキテクチャに統合する。
本手法はX線画像から得られた脊椎画像の1つのデータセットを用いて評価する。
論文 参考訳(メタデータ) (2023-09-12T03:05:00Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳(メタデータ) (2023-06-23T03:09:03Z) - Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule
Augmentation and Detection [52.93342510469636]
肺癌早期検診では胸部X線像の肺結節検出が一般的である。
ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。
このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
論文 参考訳(メタデータ) (2022-07-19T16:38:48Z) - Diffusion Deformable Model for 4D Temporal Medical Image Generation [47.03842361418344]
3D+t(4D)情報を持つ時間体積画像は、時間動態を統計的に分析したり、病気の進行を捉えるためにしばしば医療画像に使用される。
本稿では,ソースボリュームとターゲットボリュームの中間時間ボリュームを生成する新しいディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2022-06-27T13:37:57Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳(メタデータ) (2022-03-20T21:00:10Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z)
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。