Fugu-MT 論文翻訳(概要): Detecting Unforeseen Data Properties with Diffusion Autoencoder Embeddings using Spine MRI data

論文の概要: Detecting Unforeseen Data Properties with Diffusion Autoencoder Embeddings using Spine MRI data

arxiv url: http://arxiv.org/abs/2410.10220v1
Date: Mon, 14 Oct 2024 07:24:26 GMT
ステータス: 処理完了
システム内更新日: 2024-10-30 02:14:55.256531
Title: Detecting Unforeseen Data Properties with Diffusion Autoencoder Embeddings using Spine MRI data
Title（参考訳）: MRIデータを用いた拡散オートエンコーダ埋め込みによる予期せぬデータ特性の検出
Authors: Robert Graf, Florian Hunecke, Soeren Pohl, Matan Atad, Hendrik Moeller, Sophie Starck, Thomas Kroencke, Stefanie Bette, Fabian Bamberg, Tobias Pischon, Thoralf Niendorf, Carsten Schmidt, Johannes C. Paetzold, Daniel Rueckert, Jan S Kirschke,
Abstract要約: 深層学習は、診断と予後を改善するために大規模なデータセットを利用することによって、医療画像に大きく貢献してきた。大規模なデータセットには、主題の選択と取得による固有のエラーが伴うことが多い。拡散オートエンコーダの埋め込みによるデータ特性とバイアスの解明と理解について検討する。
参考スコア（独自算出の注目度）: 7.757515290013924
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning has made significant strides in medical imaging, leveraging the use of large datasets to improve diagnostics and prognostics. However, large datasets often come with inherent errors through subject selection and acquisition. In this paper, we investigate the use of Diffusion Autoencoder (DAE) embeddings for uncovering and understanding data characteristics and biases, including biases for protected variables like sex and data abnormalities indicative of unwanted protocol variations. We use sagittal T2-weighted magnetic resonance (MR) images of the neck, chest, and lumbar region from 11186 German National Cohort (NAKO) participants. We compare DAE embeddings with existing generative models like StyleGAN and Variational Autoencoder. Evaluations on a large-scale dataset consisting of sagittal T2-weighted MR images of three spine regions show that DAE embeddings effectively separate protected variables such as sex and age. Furthermore, we used t-SNE visualization to identify unwanted variations in imaging protocols, revealing differences in head positioning. Our embedding can identify samples where a sex predictor will have issues learning the correct sex. Our findings highlight the potential of using advanced embedding techniques like DAEs to detect data quality issues and biases in medical imaging datasets. Identifying such hidden relations can enhance the reliability and fairness of deep learning models in healthcare applications, ultimately improving patient care and outcomes.
Abstract（参考訳）: 深層学習は、診断と予後を改善するために大規模なデータセットを利用することによって、医療画像に大きく貢献してきた。しかし、大きなデータセットは、主題の選択と取得によって固有のエラーを伴うことが多い。本稿では,DAE(Diffusion Autoencoder)埋め込みを用いて,性別などの保護変数に対するバイアスや,望ましくないプロトコルのバリエーションを示すデータ異常など,データ特性やバイアスの解明と理解を行う。ドイツ国立コーホート(NAKO)11186名を対象に, 頚部, 胸部, 腰椎部の矢状T2強調MRI像を用いて検討した。 DAE埋め込みをStyleGANや変動オートエンコーダといった既存の生成モデルと比較する。 3つの脊椎領域の矢状T2強調MR画像からなる大規模データセットの評価は、DAE埋め込みが性や年齢などの保護変数を効果的に分離していることを示している。さらに、t-SNE可視化を用いて、撮像プロトコルの不要な変動を識別し、頭部位置の違いを明らかにした。私たちの埋め込みでは、セックス予測器が正しいセックスを学習する問題のあるサンプルを特定できます。我々の研究は、DAEのような高度な埋め込み技術を用いて、医療画像データセットにおけるデータ品質の問題やバイアスを検出する可能性を浮き彫りにした。このような隠れた関係を特定すれば、医療応用におけるディープラーニングモデルの信頼性と公正性を高め、最終的には患者のケアと結果を改善することができる。

関連論文リスト

GastroVision: A Multi-class Endoscopy Image Dataset for Computer Aided Gastrointestinal Disease Detection [6.231109933741383]
本データセットは, 解剖学的所見, 病理所見, ポリープ除去症例, 正常所見を含む。経験豊富なGI内科医によって注釈され、検証された。我々のデータセットは、GI病の検出と分類のためのAIベースのアルゴリズムの開発を促進することができると信じている。
論文参考訳（メタデータ） (2023-07-16T19:36:03Z)
The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。正規データのみを用いた教師なし異常検出手法が提案されている。空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文参考訳（メタデータ） (2023-01-19T21:39:38Z)
Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文参考訳（メタデータ） (2022-11-12T23:28:54Z)
PrepNet: A Convolutional Auto-Encoder to Homogenize CT Scans for Cross-Dataset Medical Image Analysis [0.22485007639406518]
新型コロナウイルスの診断はPCR検査で効率的に行えるようになったが、このユースケースは、データの多様性を克服する方法論の必要性を実証するものだ。本稿では,CTスキャンに最小限の変更を同時に導入しながら,イメージング技術によって引き起こされる差を解消することを目的とした,新しい生成手法を提案する。
論文参考訳（メタデータ） (2022-08-19T15:49:47Z)
AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation [50.21065317817769]
本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
論文参考訳（メタデータ） (2022-03-18T13:43:53Z)
Robust Hierarchical Patterns for identifying MDD patients: A Multisite Study [3.4561220135252264]
大うつ病(MDD)のバイオマーカーとしての階層的スパース接続パターン(h SCP)について検討する。我々は、静止状態fMRIデータから抽出した機能的接続行列からMDD患者を予測するためのh SCPに基づく新しいモデルを提案する。本研究の結果は,多様性が予測性能に与える影響を示し,多様性を低減し,コンポーネントの予測・一般化能力を向上させることができる。
論文参考訳（メタデータ） (2022-02-22T19:40:32Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文参考訳（メタデータ） (2020-10-14T16:50:50Z)
Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
論文参考訳（メタデータ） (2020-06-06T06:48:40Z)

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。