論文の概要: GCVAMD: A Modified CausalVAE Model for Causal Age-related Macular Degeneration Risk Factor Detection and Prediction

• arxiv url: http://arxiv.org/abs/2510.02781v1
• Date: Fri, 03 Oct 2025 07:27:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.300924
• Title: GCVAMD: A Modified CausalVAE Model for Causal Age-related Macular Degeneration Risk Factor Detection and Prediction
• Title（参考訳）: GCVAMD: 因果年齢関連黄斑変性危険因子の検出と予測のための修正CausalVAEモデル
• Authors: Daeyoung Kim,
• Abstract要約: 加齢黄斑変性は眼科における永久視障害の最も主要な原因の1つである。 深層学習に基づく手法、特に注意機構に基づくCNNとGradCAMによるCTスキャンによるXAI分析は、AMD網膜と正常網膜の区別に成功している。 本稿では,新しい因果的AMD解析モデルであるGCVAMDを紹介する。
• 参考スコア（独自算出の注目度）: 3.765413696274397
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Age Related Macular Degeneration(AMD) has been one of the most leading causes of permanent vision impairment in ophthalmology. Though treatments, such as anti VEGF drugs or photodynamic therapies, were developed to slow down the degenerative process of AMD, there is still no specific cure to reverse vision loss caused by AMD. Thus, for AMD, detecting existence of risk factors of AMD or AMD itself within the patient retina in early stages is a crucial task to reduce the possibility of vision impairment. Apart from traditional approaches, deep learning based methods, especially attention mechanism based CNNs and GradCAM based XAI analysis on OCT scans, exhibited successful performance in distinguishing AMD retina from normal retinas, making it possible to use AI driven models to aid medical diagnosis and analysis by ophthalmologists regarding AMD. However, though having significant success, previous works mostly focused on prediction performance itself, not pathologies or underlying causal mechanisms of AMD, which can prohibit intervention analysis on specific factors or even lead to less reliable decisions. Thus, this paper introduces a novel causal AMD analysis model: GCVAMD, which incorporates a modified CausalVAE approach that can extract latent causal factors from only raw OCT images. By considering causality in AMD detection, GCVAMD enables causal inference such as treatment simulation or intervention analysis regarding major risk factors: drusen and neovascularization, while returning informative latent causal features that can enhance downstream tasks. Results show that through GCVAMD, drusen status and neovascularization status can be identified with AMD causal mechanisms in GCVAMD latent spaces, which can in turn be used for various tasks from AMD detection(classification) to intervention analysis.
• Abstract（参考訳）: 加齢黄斑変性(AMD)は眼科における永久視障害の最も主要な原因の1つである。 抗VEGF薬や光線力学的療法などの治療法は、AMDの変性過程を遅らせるために開発されたが、AMDによる視力喪失を逆転させる特別な治療法はない。 したがって、AMDでは、早期の網膜におけるAMDまたはAMD自体の危険因子の存在を検出することが、視覚障害の可能性を減少させる重要な課題である。 従来のアプローチとは別に、深層学習に基づく手法、特に注意機構に基づくCNNとGradCAMに基づくCTスキャンによるXAI分析は、AMD網膜と正常網膜を区別する性能を示し、AI駆動モデルを使用して、AMDに関する眼科医による診断と分析を支援することができた。 しかし、大きな成功を収めたものの、以前の研究は主に予測性能そのものに焦点を当てており、病理学やAMDの根底にある因果関係ではなく、特定の要因に対する介入分析を禁止したり、信頼性の低い決定を導いたりすることができる。 そこで本研究では,新しい因果的AMD解析モデルであるGCVAMDを紹介し,生のCT画像のみから潜伏因果的因子を抽出できる改良CausalVAEアプローチを提案する。 AMD検出の因果性を考慮することで、GCVAMDは、ダウンストリームタスクを増強する情報的潜在因果的特徴を返却しながら、ドリューゼンや血管新生といった主要な危険因子に関する治療シミュレーションや介入分析などの因果推論を可能にする。 以上の結果から,GCVAMDではドライデン状態と血管新生状態がGCVAMD潜伏空間におけるAMD因果機構と同一視され,AMD検出(分類)から介入分析まで様々なタスクに利用できることが示唆された。

関連論文リスト

• AMD-Mamba: A Phenotype-Aware Multi-Modal Framework for Robust AMD Prognosis [14.878328608023285]
  AMD-Mambaは、AMD予後のための新しいマルチモーダルフレームワークである。 カラー・ファンドス・イメージを遺伝的変異と社会デモグラフィー変数と統合する。
  論文  参考訳（メタデータ） (2025-08-04T23:47:57Z)
• Naturalistic Language-related Movie-Watching fMRI Task for Detecting Neurocognitive Decline and Disorder [60.84344168388442]
  言語関連機能的磁気共鳴画像(fMRI)は,認知機能低下と早期NCDの検出に有望なアプローチである。 香港在住の高齢者97名を対象に,この課題の有効性について検討した。 本研究は、加齢に伴う認知低下とNCDの早期発見のための自然言語関連fMRIタスクの可能性を示した。
  論文  参考訳（メタデータ） (2025-06-10T16:58:47Z)
• Automatic detection and prediction of nAMD activity change in retinal OCT using Siamese networks and Wasserstein Distance for ordinality [0.7832670743787916]
  加齢に伴う黄斑変性(nAMD)は,高齢者の視力低下の原因である。 近年のディープラーニングの進歩は、光学コヒーレンストモグラフィー(OCT)網膜ボリュームからAMDの変化を予測するための有望なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-01-24T08:35:22Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Weakly-supervised detection of AMD-related lesions in color fundus images using explainable deep learning [9.707114016577716]
  加齢関連黄斑変性 (AMD) は、網膜の視力にとって重要な領域である黄斑に影響を及ぼす変性疾患である。 網膜病変の関節同定によるAMD診断のための,説明可能な深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-12-01T15:11:56Z)
• Improving AMD diagnosis by the simultaneous identification of associated retinal lesions [9.707114016577716]
  加齢関連黄斑変性症(AMD)は、先進国において視覚障害の主要な原因である。 本稿では,AMD診断と潜在的な病変の分類を同時に行うCNNに基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-22T17:52:02Z)
• Evaluating the Adversarial Robustness for Fourier Neural Operators [78.36413169647408]
  フーリエ・ニューラル・オペレータ(FNO)は、ゼロショット超解像で乱流をシミュレートした最初の人物である。 我々はノルム有界データ入力摂動に基づくFNOの逆例を生成する。 以上の結果から,モデルの強靭性は摂動レベルの増加とともに急速に低下することが明らかとなった。
  論文  参考訳（メタデータ） (2022-04-08T19:19:42Z)
• ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
  因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。 Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。 純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
  論文  参考訳（メタデータ） (2021-03-26T02:42:38Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)

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。