論文の概要: Self-supervised Disentanglement of Disease Effects from Aging in 3D Medical Shapes

• arxiv url: http://arxiv.org/abs/2603.15862v1
• Date: Mon, 16 Mar 2026 19:52:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:06.968002
• Title: Self-supervised Disentanglement of Disease Effects from Aging in 3D Medical Shapes
• Title（参考訳）: 3次元医用形状における加齢による疾患効果の自己監督的展開
• Authors: Jakaria Rabbi, Nilanjan Ray, Dana Cobzas,
• Abstract要約: 3次元医療形態の生理的加齢による病態変化は,解釈可能なバイオマーカーの開発と患者層形成に不可欠である。 そこで本研究では,非教師付き疾患発見と暗黙的形状表現の自己教師付き不整合を併用した2段階の枠組みを提案する。 ほぼ教師なしのパフォーマンスを実現し、最先端の教師なしベースラインに対する絡み合いと再構築を改善した。
• 参考スコア（独自算出の注目度）: 2.599824013064261
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Disentangling pathological changes from physiological aging in 3D medical shapes is crucial for developing interpretable biomarkers and patient stratification. However, this separation is challenging when diagnosis labels are limited or unavailable, since disease and aging often produce overlapping effects on shape changes, obscuring clinically relevant shape patterns. To address this challenge, we propose a two-stage framework combining unsupervised disease discovery with self-supervised disentanglement of implicit shape representations. In the first stage, we train an implicit neural model with signed distance functions to learn stable shape embeddings. We then apply clustering on the shape latent space, which yields pseudo disease labels without using ground-truth diagnosis during discovery. In the second stage, we disentangle factors in a compact variational space using pseudo disease labels discovered in the first stage and the ground truth age labels available for all subjects. We enforce separation and controllability with a multi-objective disentanglement loss combining covariance and a supervised contrastive loss. On ADNI hippocampus and OAI distal femur shapes, we achieve near-supervised performance, improving disentanglement and reconstruction over state-of-the-art unsupervised baselines, while enabling high-fidelity reconstruction, controllable synthesis, and factor-based explainability. Code and checkpoints are available at https://github.com/anonymous-submission01/medical-shape-disentanglement
• Abstract（参考訳）: 3次元医療形態の生理的加齢による病態変化は,解釈可能なバイオマーカーの開発と患者層形成に不可欠である。 しかし、この分離は、診断ラベルが限られたり、利用できない場合には困難であり、疾患や老化は、しばしば形の変化に重なる影響を生じさせ、臨床的に関係のある形状パターンを隠蔽する。 この課題に対処するために,非教師付き疾患発見と暗黙的形状表現の自己教師型非教師型解離を組み合わせた2段階の枠組みを提案する。 第一段階では、符号付き距離関数を持つ暗黙的ニューラルネットワークを訓練し、安定な形状埋め込みを学習する。 次に, 発見時に地絡診断を使わずに, 擬似疾患ラベルを生じる潜在空間形状にクラスタリングを適用した。 第2段階では,第1段で発見された擬似疾患ラベルと,全被験者に利用可能な真理年齢ラベルを用いて,コンパクトな変動空間における因子を分解する。 共分散と教師付きコントラスト損失を組み合わせた多目的遠絡損失を用いて分離と制御性を強制する。 ADNI海馬とOAI遠位骨遠位端の形状では、ほぼ教師付き性能を実現し、最先端の非教師付きベースラインのゆがみと再構成を改善しつつ、高忠実度再構築、制御可能な合成、因子ベース説明性を実現した。 code and checkpoints are available at https://github.com/anonymous-submission01/medical-shape-disentanglement

関連論文リスト

• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• CADD: Context aware disease deviations via restoration of brain images using normative conditional diffusion models [1.3462324726960995]
  本稿では、3次元画像における規範的モデリングのための最初の条件拡散モデルCADDを提案する。 本稿では,異常除去と主観的特徴の保持を両立させる新しい推論塗装戦略を提案する。
  論文  参考訳（メタデータ） (2025-08-05T15:59:19Z)
• The Latent Space Hypothesis: Toward Universal Medical Representation Learning [0.0]
  医療データはゲノム配列や網膜写真から構造化された実験結果、構造化されていない臨床物語まで様々である。 ラテント空間仮説は、それぞれの観測を統一的で階層的に整理された多様体の射影として表している。 サブトラジェクトリと患者固有の変化方向を明らかにすることで、このフレームワークはパーソナライズされた診断のための定量的な根拠を提供する。
  論文  参考訳（メタデータ） (2025-06-04T23:37:33Z)
• Disentangling Hippocampal Shape Variations: A Study of Neurological Disorders Using Mesh Variational Autoencoder with Contrastive Learning [3.978057697592975]
  教師付きコントラスト学習により強化されたメッシュ変分オートエンコーダ(VAE)を利用する。 本研究の目的は,年齢と疾患の有無に応じた2つの異なる潜伏変数を分離することにより,解釈可能性を向上させることである。 本研究は,MS集団の年齢層別における神経疾患と海馬形状の変化との関係についての貴重な知見を提供する。
  論文  参考訳（メタデータ） (2024-03-31T20:08:23Z)
• Deep grading for MRI-based differential diagnosis of Alzheimer's disease and Frontotemporal dementia [0.0]
  アルツハイマー病と前頭側頭性認知症は神経変性性認知症の一般的な形態である。 現在の構造イメージングは、主に疾患の検出に焦点をあてるが、その鑑別診断にはほとんど焦点を当てない。 本稿では,疾患検出と鑑別診断の両問題に対するディープラーニングに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-25T13:25:18Z)
• Mine yOur owN Anatomy: Revisiting Medical Image Segmentation with Extremely Limited Labels [54.58539616385138]
  我々は、Mine yOur owN Anatomy (MONA) と呼ばれる、新しい半教師付き2次元医用画像セグメンテーションフレームワークを紹介する。 まず、先行研究では、すべてのピクセルがモデルトレーニングに等しく重要であると論じており、我々はこの1つだけで意味のある解剖学的特徴を定義できないことを経験的に観察している。 第2に,医療画像を解剖学的特徴の集合に分解できるモデルを構築する。
  論文  参考訳（メタデータ） (2022-09-27T15:50:31Z)
• 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。