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
- A Multimodal Approach For Endoscopic VCE Image Classification Using BiomedCLIP-PubMedBERT [0.62914438169038]
本稿では,マルチモーダルモデルであるBiomedCLIP PubMedBERTの微細調整によるビデオカプセル内視鏡フレームの異常の分類について述べる。
本手法では, 血管拡張症, 出血, エロージョン, エリテマ, 異物, リンパ管拡張症, ポリープ, 潰瘍, ワーム, 正常の10種類の画像に分類する。
分類、精度、リコール、F1スコアなどのパフォーマンス指標は、内視鏡フレームの異常を正確に識別する強力な能力を示している。
論文 参考訳（メタデータ） (2024-10-25T19:42:57Z) - Multi-modal Masked Siamese Network Improves Chest X-Ray Representation Learning [46.674521557701816]
胸部X線表現の質を高めるために,Masked Siamese Network (MSN) を用いた自己教師付きプレトレーニング中に EHR データを組み込むことを提案する。
本研究は,医用画像の自己教師付き事前トレーニングの可能性を強調した。
論文 参考訳（メタデータ） (2024-07-05T12:04:12Z) - Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。
MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。
また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
論文 参考訳（メタデータ） (2024-07-02T19:30:25Z) - 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) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - 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) - Diff-UNet: A Diffusion Embedded Network for Volumetric Segmentation [41.608617301275935]
医療用ボリュームセグメンテーションのための新しいエンドツーエンドフレームワークDiff-UNetを提案する。
提案手法では,拡散モデルを標準U字型アーキテクチャに統合し,入力ボリュームから意味情報を効率的に抽出する。
われわれは,MRI,肝腫瘍,多臓器CTの3種類の脳腫瘍について検討した。
論文 参考訳（メタデータ） (2023-03-18T04:06:18Z) - 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) - Additive Angular Margin for Few Shot Learning to Classify Clinical
Endoscopy Images [42.74958357195011]
我々は、トレーニングデータが少なくなり、未知のデータセットからテストサンプルのラベルクラスを予測するために使用できる、数ショットの学習手法を提案する。
我々は,マルチセンター,マルチオーガナイズド,マルチモーダル内視鏡データの大規模コホートにおけるいくつかの確立された手法との比較を行った。
論文 参考訳（メタデータ） (2020-03-23T00:20:52Z)
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。