IdenBAT: Disentangled Representation Learning for Identity-Preserved Brain Age Transformation

要約

脳年齢変換は、基準脳画像を、対象年齢グループの年齢特有の特徴を正確に反映する合成画像に変換することを目的としています。
このタスクの主な目的は、年齢に関係のない他のすべての属性を保持しながら、参照画像の年齢に関連する属性のみを変更することです。
ただし、バックボーン エンコーダーから抽出された特徴内にさまざまな画像属性が固有に絡み合っているため、この目標を達成するには大きな課題が生じ、その結果、画像生成中に同時に変更が加えられることになります。
この課題に対処するために、私たちは IdenBAT と呼ばれる、アイデンティティを保持した脳年齢変換のためのもつれ解除表現学習を採用した新しいアーキテクチャを提案します。
このアプローチにより、画像の特徴の分解が容易になり、個人の特徴を確実に保存しながら、年齢に関連した特徴を対象年齢グループの特徴に一致するように選択的に変換します。
2D とフルサイズの 3D 脳データセットの両方で行われた包括的な実験を通じて、私たちの手法は、個人の特徴を正確に保持しながら、入力画像をターゲット年齢に適切に変換します。
さらに、当社のアプローチは、パフォーマンスの忠実性に関して既存の最先端技術よりも優れていることを実証しています。

要約(オリジナル)

Brain age transformation aims to convert reference brain images into synthesized images that accurately reflect the age-specific features of a target age group. The primary objective of this task is to modify only the age-related attributes of the reference image while preserving all other age-irrelevant attributes. However, achieving this goal poses substantial challenges due to the inherent entanglement of various image attributes within features extracted from a backbone encoder, resulting in simultaneous alterations during the image generation. To address this challenge, we propose a novel architecture that employs disentangled representation learning for identity-preserved brain age transformation called IdenBAT. This approach facilitates the decomposition of image features, ensuring the preservation of individual traits while selectively transforming age-related characteristics to match those of the target age group. Through comprehensive experiments conducted on both 2D and full-size 3D brain datasets, our method adeptly converts input images to target age while retaining individual characteristics accurately. Furthermore, our approach demonstrates superiority over existing state-of-the-art regarding performance fidelity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google