PulseAugur
中
实时 18:02:04
English(EN) From Baseline to Follow-Up: Counterfactual Spine DXA Image Synthesis in UK Biobank Using a Causal Hierarchical Variational Autoencoder

AI使用因果VAE生成反事实DXA脊柱图像

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种因果分层变分自编码器（CHVAE）来生成逼真的脊柱DXA图像。该模型在UK Biobank数据上进行训练，并以参与者属性和腰椎形态为条件。CHVAE通过模拟年龄干预后准确合成随访图像，展示了因果一致性，并与观测测量结果高度一致。 AI

影响 展示了一种生成解剖学上合理且具有因果一致性的医学图像的新方法，可能有助于大规模骨骼评估和研究。

排序理由 该集群包含一篇详细介绍新型AI模型及其应用的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Yilin Zhang, Nicholas C. Harvey, Nicholas R. Fuggle, Rahman Attar ·

    From Baseline to Follow-Up: Counterfactual Spine DXA Image Synthesis in UK Biobank Using a Causal Hierarchical Variational Autoencoder

    arXiv:2605.22649v1 Announce Type: cross Abstract: Dual-energy X-ray absorptiometry (DXA) is widely used for large-scale skeletal assessment, yet learning controllable and interpretable factor-specific anatomical variation remains challenging. We propose a metadata-conditioned cau…

  2. arXiv cs.LG TIER_1 English(EN) · Rahman Attar ·

    From Baseline to Follow-Up: Counterfactual Spine DXA Image Synthesis in UK Biobank Using a Causal Hierarchical Variational Autoencoder

    Dual-energy X-ray absorptiometry (DXA) is widely used for large-scale skeletal assessment, yet learning controllable and interpretable factor-specific anatomical variation remains challenging. We propose a metadata-conditioned causal hierarchical variational autoencoder (CHVAE) f…

相关话题