論文の概要: Deconstructing Intraocular Pressure: A Non-invasive Multi-Stage Probabilistic Inverse Framework

• arxiv url: http://arxiv.org/abs/2509.14167v1
• Date: Wed, 17 Sep 2025 16:50:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.928407
• Title: Deconstructing Intraocular Pressure: A Non-invasive Multi-Stage Probabilistic Inverse Framework
• Title（参考訳）: 眼圧の非侵襲的多段階確率逆解析法
• Authors: Md Rezwan Jaher, Abul Mukid Mohammad Mukaddes, A. B. M. Abdul Malek,
• Abstract要約: 緑内障は眼圧上昇(IOP)による可逆性失明の主因である 非侵襲的に測定不能な変数をスパースなルーチンデータから推定するフレームワークを開発する。 本フレームワークは, 直接物理機器に匹敵する精度で, 最先端のトノグラフィーと良好な一致を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many critical healthcare decisions are challenged by the inability to measure key underlying parameters. Glaucoma, a leading cause of irreversible blindness driven by elevated intraocular pressure (IOP), provides a stark example. The primary determinant of IOP, a tissue property called trabecular meshwork permeability, cannot be measured in vivo, forcing clinicians to depend on indirect surrogates. This clinical challenge is compounded by a broader computational one: developing predictive models for such ill-posed inverse problems is hindered by a lack of ground-truth data and prohibitive cost of large-scale, high-fidelity simulations. We address both challenges with an end-to-end framework to noninvasively estimate unmeasurable variables from sparse, routine data. Our approach combines a multi-stage artificial intelligence architecture to functionally separate the problem; a novel data generation strategy we term PCDS that obviates the need for hundreds of thousands of costly simulations, reducing the effective computational time from years to hours; and a Bayesian engine to quantify predictive uncertainty. Our framework deconstructs a single IOP measurement into its fundamental components from routine inputs only, yielding estimates for the unmeasurable tissue permeability and a patient's outflow facility. Our noninvasively estimated outflow facility achieved excellent agreement with state-of-the-art tonography with precision comparable to direct physical instruments. Furthermore, the newly derived permeability biomarker demonstrates high accuracy in stratifying clinical cohorts by disease risk, highlighting its diagnostic potential. More broadly, our framework establishes a generalizable blueprint for solving similar inverse problems in other data-scarce, computationally-intensive domains.
• Abstract（参考訳）: 多くの重要な医療判断は、主要な根底にあるパラメータを測ることができないことによるものである。 緑内障は、眼圧上昇(IOP)によって引き起こされる不可逆性視覚障害の主要な原因である。 気管メッシュワーク透過性(trabecular meshwork permeability)と呼ばれる組織特性であるIOPの一次決定因子はin vivoでは測定できないため、臨床医は間接的なサロゲートに頼らざるを得ない。 このような不適切な逆問題に対する予測モデルの開発は、地上の真実の欠如と大規模で高忠実なシミュレーションの禁止コストによって妨げられる。 非侵襲的に測定不能な変数をスパースなルーチンデータから推定するエンドツーエンドのフレームワークで、両課題に対処する。 このアプローチは多段階の人工知能アーキテクチャを結合して問題を機能的に分離する; PCDSと呼ぶ新しいデータ生成戦略は、何十万ものコストのかかるシミュレーションの必要性を回避し、効率的な計算時間を数年から数時間に短縮する;ベイズエンジンは予測の不確実性を定量化する。 本フレームワークは, 測定不能な組織透過性および患者の流出施設を推定し, 日常的な入力のみから, 単一のIOP測定を基本成分に分解する。 非侵襲的に推定されたアウトフロー施設は, 直接的物理機器に匹敵する精度で, 最先端のトノグラフィーと良好な一致を得た。 さらに,新たに抽出された透水性バイオマーカーは,疾患リスクによる臨床コホートの成層化において高い精度を示し,その診断可能性を強調している。 より広範に、我々のフレームワークは、他のデータスカースで計算集約的な領域における同様の逆問題を解決するための一般化可能な青写真を確立する。

関連論文リスト

• Hierarchical Variable Importance with Statistical Control for Medical Data-Based Prediction [35.94354098982828]
  モデルに依存しない変数重要度尺度である階層CPIを導入する。 階層木に沿った部分群を探索することで、計算的に抽出可能でありながら、家族的な誤り率の明確な制御も楽しめる。 その効果は2つのニューロイメージングデータセットで示される。
  論文  参考訳（メタデータ） (2025-08-12T08:10:54Z)
• Conformal uncertainty quantification to evaluate predictive fairness of foundation AI model for skin lesion classes across patient demographics [8.692647930497936]
  我々は、コンフォメーション解析を用いて、視覚変換器に基づく基礎モデルの予測不確かさを定量化する。 基礎モデルの特徴埋め込みの堅牢性を評価するために、公正度測定としてどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2025-03-31T08:06:00Z)
• Efficient Epistemic Uncertainty Estimation in Cerebrovascular Segmentation [1.3980986259786223]
  ベイズ近似とディープアンサンブルの利点を組み合わせた効率的なアンサンブルモデルを提案する。 高モデル不確実性と誤予測の領域は一致しており、このアプローチの有効性と信頼性を示している。
  論文  参考訳（メタデータ） (2025-03-28T09:39:37Z)
• A Vector-Quantized Foundation Model for Patient Behavior Monitoring [41.48188433408574]
  本稿では,スマートフォンやウェアラブルデバイスからの実世界のデータを処理するために設計されたベクトル量子化変分自動エンコーダを改良した基礎モデルを提案する。 本研究では, 個別の潜伏表現を利用して, 微調整を必要とせず, 2つの下流課題, 自殺リスク評価, 情緒的状態予測を効果的に実施した。
  論文  参考訳（メタデータ） (2025-03-19T14:01:16Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
  マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。 我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。 我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
  論文  参考訳（メタデータ） (2023-12-29T14:28:04Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。