論文の概要: TabMixer: Noninvasive Estimation of the Mean Pulmonary Artery Pressure via Imaging and Tabular Data Mixing
- arxiv url: http://arxiv.org/abs/2409.07564v1
- Date: Wed, 11 Sep 2024 18:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 18:42:28.902680
- Title: TabMixer: Noninvasive Estimation of the Mean Pulmonary Artery Pressure via Imaging and Tabular Data Mixing
- Title(参考訳): TabMixer による肺動脈圧の非侵襲的評価
- Authors: Michal K. Grzeszczyk, Przemysław Korzeniowski, Samer Alabed, Andrew J. Swift, Tomasz Trzciński, Arkadiusz Sitek,
- Abstract要約: 右心カテーテル法は平均肺動脈圧(mPAP)を測定することで肺高血圧を診断するための金標準法である
本稿では,非侵襲的心臓磁気共鳴画像からのmPAPの推定について検討する。
本研究では,この課題に使用するディープラーニングモデルの予測能力を高めるために,人口統計学的特徴や臨床測定の形式に付加的なモダリティを導入する。
- 参考スコア(独自算出の注目度): 1.049268296969183
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Right Heart Catheterization is a gold standard procedure for diagnosing Pulmonary Hypertension by measuring mean Pulmonary Artery Pressure (mPAP). It is invasive, costly, time-consuming and carries risks. In this paper, for the first time, we explore the estimation of mPAP from videos of noninvasive Cardiac Magnetic Resonance Imaging. To enhance the predictive capabilities of Deep Learning models used for this task, we introduce an additional modality in the form of demographic features and clinical measurements. Inspired by all-Multilayer Perceptron architectures, we present TabMixer, a novel module enabling the integration of imaging and tabular data through spatial, temporal and channel mixing. Specifically, we present the first approach that utilizes Multilayer Perceptrons to interchange tabular information with imaging features in vision models. We test TabMixer for mPAP estimation and show that it enhances the performance of Convolutional Neural Networks, 3D-MLP and Vision Transformers while being competitive with previous modules for imaging and tabular data. Our approach has the potential to improve clinical processes involving both modalities, particularly in noninvasive mPAP estimation, thus, significantly enhancing the quality of life for individuals affected by Pulmonary Hypertension. We provide a source code for using TabMixer at https://github.com/SanoScience/TabMixer.
- Abstract(参考訳): 右心カテーテル法は平均肺動脈圧(mPAP)を測定することで肺高血圧を診断するための金標準法である。
侵襲的で、コストがかかり、時間もかかり、リスクも伴います。
本稿では,非侵襲的心臓磁気共鳴画像からmPAPを推定する方法を初めて検討する。
本研究では,この課題に使用するディープラーニングモデルの予測能力を高めるために,人口統計学的特徴や臨床測定の形式に付加的なモダリティを導入する。
多層パーセプトロンアーキテクチャにインスパイアされたTabMixerは,空間,時間,チャネルの混合による画像と表層データの統合を可能にする新しいモジュールである。
具体的には,マルチレイヤ・パーセプトロンを用いて,視覚モデルにおける図形情報と画像の特徴を交換する手法を提案する。
我々は、mPAP推定のためにTabMixerをテストし、画像や表データのための以前のモジュールと競合しながら、畳み込みニューラルネットワーク、3D-MLP、ビジョントランスフォーマーの性能を向上させることを示す。
特に非侵襲的mPAP推定では,肺高血圧症に罹患した患者の生活の質が著しく向上する可能性が示唆された。
https://github.com/SanoScience/TabMixer.comでTabMixerを使用するためのソースコードを提供する。
関連論文リスト
- TransfoRhythm: A Transformer Architecture Conductive to Blood Pressure Estimation via Solo PPG Signal Capturing [5.255373360156652]
血圧(BP)は、高血圧の正確かつタイムリーな診断および/または治療のための重要な健康指標である。
人工知能(AI)とディープニューラルネットワーク(DNN)の最近の進歩は、データ駆動ソリューションの開発への関心の高まりにつながっている。
本研究は,カフレスBP推定にMIMIC IVデータセットを適用した最初の研究である。
論文 参考訳(メタデータ) (2024-04-15T00:36:33Z) - Interpretable Multimodal Learning for Cardiovascular Hemodynamics Assessment [5.854275745400326]
肺動脈圧 (PAWP) は心不全の診断に必須の指標である。
本稿では,PAWPマーカーを予測するマルチモーダル学習パイプラインを提案する。
論文 参考訳(メタデータ) (2024-04-06T19:42:25Z) - PE-MVCNet: Multi-view and Cross-modal Fusion Network for Pulmonary Embolism Prediction [4.659998272408215]
肺塞栓症(PE)の早期発見は、患者の生存率を高めるために重要である。
PE-MVCNetとよばれる多モード核融合法を提案する。
提案モデルは既存の手法より優れており, 単一のデータモダリティを用いたモデルと比較して, マルチモーダル融合モデルの方が優れていることを裏付けるものである。
論文 参考訳(メタデータ) (2024-02-27T03:53:27Z) - Noninvasive Estimation of Mean Pulmonary Artery Pressure Using MRI,
Computer Models, and Machine Learning [9.484833022938744]
肺高血圧 (PH) は肺動脈圧の上昇を特徴とする重症疾患である。
本稿では, 磁気共鳴イメージング, コンピュータモデル, 機械学習を用いたPH検出における非侵襲的アプローチについて検討する。
論文 参考訳(メタデータ) (2023-12-21T14:03:28Z) - 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) - Best of Both Worlds: Multimodal Contrastive Learning with Tabular and
Imaging Data [7.49320945341034]
単調エンコーダを学習するための自己指導型コントラスト学習フレームワークを提案する。
我々のソリューションは、2つの主要なコントラスト学習戦略であるSimCLRとSCARFを組み合わせています。
DVMカー広告データセットを用いて,自然画像へのアプローチの一般化可能性を示す。
論文 参考訳(メタデータ) (2023-03-24T15:44:42Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳(メタデータ) (2021-10-12T23:25:03Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳(メタデータ) (2021-04-02T20:52:05Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳(メタデータ) (2020-06-25T21:10:04Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳(メタデータ) (2020-02-25T14:48:17Z)
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。