面向预防医学发展的基于深度生成模型的衰老预测
图像与视频处理
2022-08-24 v1 计算机视觉与模式识别
摘要
从出生到死亡，我们都经历着因衰老引起的惊人普遍的随时间变化。若能在数字域中预测衰老，即人体的数字孪生，我们便能在病变极早期检出，从而提升生活质量并延长寿命。我们观察到，以往开发的成人人体数字孪生均未显式训练基于深度生成模型的体积医学图像纵向转换规则，可能导致例如脑室体积的预测性能不佳。在此，我们建立一种新的成人人体数字孪生，采用纵向采集的头部计算机断层扫描（CT）图像进行训练，从而可由单张当前体积头部 CT 图像预测未来体积头部 CT 图像。我们首次采用三维基于流的深度生成模型之一来实现此序列三维数字孪生。我们表明，我们的数字孪生在相对短期的脑室体积预测上优于最新方法。
引用
@article{arxiv.2208.10797,
title = {Aging prediction using deep generative model toward the development of preventive medicine},
author = {Hisaichi Shibata and Shouhei Hanaoka and Yukihiro Nomura and Naoto Hayashi and Osamu Abe},
journal= {arXiv preprint arXiv:2208.10797},
year = {2022}
}