論文の概要: Cognitive Biomarker Prioritization in Alzheimer's Disease using Brain
Morphometric Data
- arxiv url: http://arxiv.org/abs/2002.07699v5
- Date: Fri, 13 Nov 2020 01:49:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 20:53:15.333948
- Title: Cognitive Biomarker Prioritization in Alzheimer's Disease using Brain
Morphometric Data
- Title（参考訳）: 脳形態計測データを用いたアルツハイマー病の認知的バイオマーカー優先順位付け
- Authors: Bo Peng, Xiaohui Yao, Shannon L. Risacher, Andrew J. Saykin, Li Shen,
Xia Ning (for the Alzheimer's Disease Neuroimaging Initiative)
- Abstract要約: ほとんどの研究は、対象とする集団に対する認知的テスト選択のガイドラインを作成しているが、個々の被験者に対してカスタマイズされていない。
我々は、パーソナライズされた認知アセスメントの優先順位付けを可能にする機械学習パラダイムを開発する。
- 参考スコア（独自算出の注目度）: 9.323092528297728
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background:Cognitive assessments represent the most common clinical routine
for the diagnosis of Alzheimer's Disease (AD). Given a large number of
cognitive assessment tools and time-limited office visits, it is important to
determine a proper set of cognitive tests for different subjects. Most current
studies create guidelines of cognitive test selection for a targeted
population, but they are not customized for each individual subject. In this
manuscript, we develop a machine learning paradigm enabling personalized
cognitive assessments prioritization. Method: We adapt a newly developed
learning-to-rank approach PLTR to implement our paradigm. This method learns
the latent scoring function that pushes the most effective cognitive
assessments onto the top of the prioritization list. We also extend PLTR to
better separate the most effective cognitive assessments and the less effective
ones. Results: Our empirical study on the ADNI data shows that the proposed
paradigm outperforms the state-of-the-art baselines on identifying and
prioritizing individual-specific cognitive biomarkers. We conduct experiments
in cross validation and level-out validation settings. In the two settings, our
paradigm significantly outperforms the best baselines with improvement as much
as 22.1% and 19.7%, respectively, on prioritizing cognitive features.
Conclusions: The proposed paradigm achieves superior performance on
prioritizing cognitive biomarkers. The cognitive biomarkers prioritized on top
have great potentials to facilitate personalized diagnosis, disease subtyping,
and ultimately precision medicine in AD.
- Abstract（参考訳）: 背景:認知評価はアルツハイマー病(AD)の診断における最も一般的な臨床経過を示す。
多くの認知アセスメントツールと時間限定のオフィス訪問を考えると、異なる被験者に対する認知テストの適切なセットを決定することが重要である。
現在のほとんどの研究は、対象集団に対する認知テスト選択のガイドラインを作成しているが、個々の被験者向けにカスタマイズされていない。
本稿では,個人化された認知評価の優先順位付けを可能にする機械学習パラダイムを開発する。
方法: 新しく開発した学習からランクへのアプローチをpltrに適用し,そのパラダイムを実装した。
本手法は,最も効果的な認知評価を優先順位付けリストの上位に押し上げる潜在スコアリング関数を学習する。
また、pltrを拡張して、最も効果的な認知評価とより効果的な評価を分離します。
結果: adniデータを用いた実験の結果,提案手法は個人特異的認知バイオマーカーの同定と優先順位付けにおいて最先端のベースラインを上回っていることが示された。
クロス検証とレベルアウト検証の設定で実験を行う。
2つの設定において、認知的特徴の優先順位付けにおいて、我々のパラダイムは、それぞれ22.1%と19.7%の改善により、最高のベースラインを著しく上回る。
結論:提案パラダイムは認知バイオマーカーの優先順位付けにおいて優れた性能を達成する。
上位に優先順位付けされた認知バイオマーカーは、パーソナライズされた診断、疾患のサブタイプ、そして最終的にADの精密医療を促進する大きな可能性を秘めている。
関連論文リスト
- Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。
診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。
本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
論文 参考訳（メタデータ） (2024-03-09T13:48:20Z) - A Survey of the Impact of Self-Supervised Pretraining for Diagnostic
Tasks with Radiological Images [71.26717896083433]
自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。
本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
論文 参考訳（メタデータ） (2023-09-05T19:45:09Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳（メタデータ） (2023-03-14T16:03:28Z) - Acoustic-Linguistic Features for Modeling Neurological Task Score in
Alzheimer's [1.290382979353427]
自然言語処理と機械学習はアルツハイマー病を確実に検出するための有望な技術を提供する。
我々は,10種類の線形回帰モデルの性能を比較し,比較した。
与えられたタスクに対して,手作りの言語的特徴は音響的特徴や学習的特徴よりも重要であることがわかった。
論文 参考訳（メタデータ） (2022-09-13T15:35:31Z) - Ensemble feature selection with data-driven thresholding for Alzheimer's
disease biomarker discovery [0.0]
この研究は複数のデータ駆動しきい値を開発し、アンサンブル機能セレクタで関連する特徴を自動的に識別する。
臨床データへのこれらの手法の適用性を実証するため、2つの現実世界のアルツハイマー病(AD)研究のデータに適用した。
論文 参考訳（メタデータ） (2022-07-05T05:50:51Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳（メタデータ） (2022-06-28T05:09:01Z) - Identifying Stroke Indicators Using Rough Sets [0.7340017786387767]
そこで本研究では,脳卒中検出における各種EMHレコードの重要性をランキングする手法を提案する。
年齢, 平均血糖値, 心疾患, 高血圧が脳卒中検出の最も重要な要因であった。
論文 参考訳（メタデータ） (2021-10-19T06:04:48Z) - Application of Machine Learning to Predict the Risk of Alzheimer's
Disease: An Accurate and Practical Solution for Early Diagnostics [1.1470070927586016]
アルツハイマー病(AD)は500万人以上のアメリカ人の認知能力を悪化させ、医療システムに多大な負担をかけている。
本稿では,医療画像のない,臨床訪問や検査の少ないAD開発のための機械学習予測モデルを提案する。
本モデルは,2つの顕著な研究結果から,人口統計,バイオマーカー,認知テストデータを用いて訓練し,検証した。
論文 参考訳（メタデータ） (2020-06-02T14:52:51Z)
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。