時間的文脈問題:疾患進行表現による単一画像予測の強化【JST・京大機械翻訳】

Konwer Aishik; Xu Xuan; Bae Joseph; Chen Chao; Prasanna Prateek

プレプリント

J-GLOBAL ID：202202208470361144 整理番号：22P0298583

時間的文脈問題:疾患進行表現による単一画像予測の強化【JST・京大機械翻訳】

Temporal Context Matters: Enhancing Single Image Prediction with Disease Progression Representations

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

医療画像からの臨床転帰または重症度予測は,単一時点またはスナップショットスキャンからの学習表現に多く焦点を合わせている。疾患の進行は時間イメージングにより良く特性化できることを示した。したがって,転帰予測は,連続画像からの疾患進行情報を利用することにより改善できると仮定した。単一時点画像から臨床転帰予測を改善するために,時間的進行情報を利用する深層学習アプローチを提示する。提案手法では,自己注意ベース時間畳込みネットワーク(TCN)を用いて,疾患軌跡の最も反映する表現を学習する。一方,単一時間点画像から特徴を抽出するために,Vision変換器を自己監督方式で事前訓練した。重要な貢献は,上記の2つの文脈表現の分布を整列させるために,最大平均不一致損失(MMD)を使用する再校正モジュールを設計することである。単時点画像から臨床転帰と重症度グレードを予測するために,このシステムを訓練した。胸部と変形性関節症のラジオグラフィーデータセットに関する実験は,著者らのアプローチが他の最先端の技術より優れていることを証明した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般

, , , ,

前のページに戻る