論文の概要: Stroke outcome and evolution prediction from CT brain using a spatiotemporal diffusion autoencoder

• arxiv url: http://arxiv.org/abs/2603.00756v1
• Date: Sat, 28 Feb 2026 18:00:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.352963
• Title: Stroke outcome and evolution prediction from CT brain using a spatiotemporal diffusion autoencoder
• Title（参考訳）: 時空間拡散オートエンコーダを用いたCT脳からのストローク結果と進化予測
• Authors: Adam Marcus, Paul Bentley, Daniel Rueckert,
• Abstract要約: ストロークは世界中で死と障害の主な原因である。 拡散確率モデルの分野で近年のアイデアを適用し,CT画像から自己教師付き意味論的ストローク表現を生成する。 そして、この表現を長手画像とストローク開始からの時間に合わせて拡張することで改善する。
• 参考スコア（独自算出の注目度）: 21.56694345288218
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Stroke is a major cause of death and disability worldwide. Accurate outcome and evolution prediction has the potential to revolutionize stroke care by individualizing clinical decision-making leading to better outcomes. However, despite a plethora of attempts and the rich data provided by neuroimaging, modelling the ultimate fate of brain tissue remains a challenging task. In this work, we apply recent ideas in the field of diffusion probabilistic models to generate a self-supervised semantically meaningful stroke representation from Computed Tomography (CT) images. We then improve this representation by extending the method to accommodate longitudinal images and the time from stroke onset. The effectiveness of our approach is evaluated on a dataset consisting of 5,824 CT images from 3,573 patients across two medical centers with minimal labels. Comparative experiments show that our method achieves the best performance for predicting next-day severity and functional outcome at discharge.
• Abstract（参考訳）: ストロークは世界中で死と障害の主な原因である。 正確な結果と進化予測は、より良い結果につながる臨床上の決定を個別にすることで、脳卒中ケアに革命をもたらす可能性がある。 しかし、多くの試みと神経画像による豊富なデータにもかかわらず、脳組織の最終的な運命をモデル化することは難しい課題である。 本研究では,拡散確率モデルにおける最近の考え方を適用し,CT画像から自己教師付き意味論的ストローク表現を生成する。 そして、この表現を長手画像とストローク開始からの時間に合わせて拡張することで改善する。 5,824枚のCT画像から,最小限のラベルを持つ2つの医療センターの3,573人の患者を対象に,本手法の有効性を評価した。 比較実験の結果,本手法は退院時の翌日の重症度と機能的結果を予測するのに最適であることがわかった。

関連論文リスト

• Exploring the Efficacy of Modified Transfer Learning in Identifying Parkinson's Disease Through Drawn Image Patterns [0.0]
  パーキンソン病(英: Parkinson's disease、PD)は、ドパミン作動性ニューロンの死を特徴とする進行性神経変性疾患である。 本研究では,PD検出のためのバイオマーカーとして手描きスパイラルと波動画像を用いた機械学習によるアプローチを提案する。
  論文  参考訳（メタデータ） (2025-10-06T16:55:07Z)
• Latent Diffusion Autoencoders: Toward Efficient and Meaningful Unsupervised Representation Learning in Medical Imaging [41.446379453352534]
  LDAE(Latent Diffusion Autoencoder)は、医用画像における効率的で有意義な教師なし学習のための、エンコーダ-デコーダ拡散に基づく新しいフレームワークである。 本研究は,ADNIデータベースの脳MRIを用いたアルツハイマー病(AD)を事例として検討した。
  論文  参考訳（メタデータ） (2025-04-11T15:37:46Z)
• Going beyond explainability in multi-modal stroke outcome prediction models [0.0]
  我々は、xAI法であるGrad-CAMとOcclusionをマルチモーダル、部分的に解釈可能なディープトランスフォーメーションモデル(dTM)に適用する。 DTMは,曲線(AUC)の値が0.8に近い領域で,最先端の予測性能を実現する。 前頭葉などの重要な脳領域が強調された機能的結果のための脳画像dTMから算出した説明地図。
  論文  参考訳（メタデータ） (2025-04-07T09:56:16Z)
• Detection of Vascular Leukoencephalopathy in CT Images [0.0]
  本研究は,脳小血管疾患であるロイコ脳症の診断におけるAIの役割について検討した。 約1200名のX線CT患者のデータセットを用いて,2次疾患分類のための畳み込みニューラルネットワーク(CNN)を訓練した。
  論文  参考訳（メタデータ） (2025-01-16T22:21:00Z)
• Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
  遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。 我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
  論文  参考訳（メタデータ） (2024-12-30T01:59:34Z)
• Multi-task Learning Approach for Intracranial Hemorrhage Prognosis [0.0]
  本稿では,Glasgow Coma Scale と Age の3次元マルチタスク画像モデルを提案する。 提案手法は現状のベースライン画像モデルより優れており,CTスキャンのみを入力として用いた4名の脳神経科医と比較してICH予後に優れていた。
  論文  参考訳（メタデータ） (2024-08-16T14:56:17Z)
• Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
  心臓血管疾患(CVD)が世界的に死因となっている。 光コヒーレンストモグラフィー(OCT)は早期のCVDリスク予測の潜在的なツールとして認識されている。 我々は,将来のCVD事象を予測するための追加撮像技術としてのOCTの可能性について検討した。
  論文  参考訳（メタデータ） (2024-03-26T14:42:46Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• Temporal Context Matters: Enhancing Single Image Prediction with Disease Progression Representations [8.396615243014768]
  本稿では,時間経過情報を活用した深層学習手法を提案する。 本手法では, 自己注意に基づく時間的畳み込みネットワーク(TCN)を用いて, 疾患の軌跡を最も反映した表現を学習する。 ビジョン変換器は、単点画像から特徴を抽出するために、自己教師型で事前訓練される。
  論文  参考訳（メタデータ） (2022-03-02T22:11:07Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• Patient-independent Epileptic Seizure Prediction using Deep Learning Models [39.19336481493405]
  発作予知システムの目的は、発作が起こる前に起こる前頭前脳のステージを正常に識別することである。 患者に依存しない発作予測モデルは、データセット内の複数の被験者に正確なパフォーマンスを提供するように設計されている。 患者に依存しない2つの深層学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-18T23:13:48Z)

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。