論文の概要: Accuracy of MRI Classification Algorithms in a Tertiary Memory Center
Clinical Routine Cohort
- arxiv url: http://arxiv.org/abs/2003.09260v1
- Date: Thu, 19 Mar 2020 08:44:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 04:59:30.778319
- Title: Accuracy of MRI Classification Algorithms in a Tertiary Memory Center
Clinical Routine Cohort
- Title(参考訳): 3次記憶センター臨床ルーチンコーホートにおけるmri分類アルゴリズムの精度
- Authors: Alexandre Morin (ARAMIS), Jorge Samper-Gonz\'alez (ARAMIS), Anne
Bertrand (ARAMIS), Sebastian Stroer, Didier Dormont (ICM, ARAMIS), Aline
Mendes, Pierrick Coup\'e, Jamila Ahdidan, Marcel L\'evy (IM2A), Dalila Samri,
Harald Hampel, Bruno Dubois (APM), Marc Teichmann (FRONTlab), St\'ephane
Epelbaum (ARAMIS), Olivier Colliot (ARAMIS)
- Abstract要約: 自動体積測定ソフトウェア(AVS)は近年,神経放射線学者に広く普及している。
機械学習技術は診断を支援するための有望なアプローチとして登場した。
- 参考スコア(独自算出の注目度): 40.24757332810004
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: BACKGROUND:Automated volumetry software (AVS) has recently become widely
available to neuroradiologists. MRI volumetry with AVS may support the
diagnosis of dementias by identifying regional atrophy. Moreover, automatic
classifiers using machine learning techniques have recently emerged as
promising approaches to assist diagnosis. However, the performance of both AVS
and automatic classifiers has been evaluated mostly in the artificial setting
of research datasets.OBJECTIVE:Our aim was to evaluate the performance of two
AVS and an automatic classifier in the clinical routine condition of a memory
clinic.METHODS:We studied 239 patients with cognitive troubles from a single
memory center cohort. Using clinical routine T1-weighted MRI, we evaluated the
classification performance of: 1) univariate volumetry using two AVS (volBrain
and Neuroreader$^{TM}$); 2) Support Vector Machine (SVM) automatic classifier,
using either the AVS volumes (SVM-AVS), or whole gray matter (SVM-WGM); 3)
reading by two neuroradiologists. The performance measure was the balanced
diagnostic accuracy. The reference standard was consensus diagnosis by three
neurologists using clinical, biological (cerebrospinal fluid) and imaging data
and following international criteria.RESULTS:Univariate AVS volumetry provided
only moderate accuracies (46% to 71% with hippocampal volume). The accuracy
improved when using SVM-AVS classifier (52% to 85%), becoming close to that of
SVM-WGM (52 to 90%). Visual classification by neuroradiologists ranged between
SVM-AVS and SVM-WGM.CONCLUSION:In the routine practice of a memory clinic, the
use of volumetric measures provided by AVS yields only moderate accuracy.
Automatic classifiers can improve accuracy and could be a useful tool to assist
diagnosis.
- Abstract(参考訳): 背景:automated volumetry software(avs)は最近、神経放射線科医に広く利用できるようになった。
AVSによるMRI容積検査は、局所萎縮を同定することにより認知症の診断を支援する可能性がある。
さらに、機械学習技術を用いた自動分類器が、診断支援のための有望なアプローチとして最近登場した。
AVSと自動分類器の性能は, 主に研究データセットの人工的な設定で評価されている。OBJECTIVE:我々の目的は, 単一の記憶センターコホートから認知障害を有する239人の患者を対象に, 記憶クリニックの臨床ルーチンにおける2つのAVSと自動分類器の性能を評価することであった。
臨床用T1強調MRIを用いて, 分類性能について検討した。
1) AVS (volBrain と Neuroreader$^{TM}$) を用いた単変量ボリューム
2) AVSボリューム(SVM-AVS)または全グレーマター(SVM-WGM)を使用するSVM自動分類器のサポート。
3)神経放射線科医2名による読影
性能指標は、バランスのとれた診断精度であった。
基準基準は, 臨床, 生物学的 (脳脊髄液) および画像データを用いた3名の神経科医によるコンセンサス診断であり, 国際基準に準じた。
SVM-AVS分類器(52%から85%)を使用すると精度が向上し、SVM-WGM(52~90%)に近かった。
神経放射線医による視覚分類はSVM-AVSとSVM-WGM.CONCLUSIONにより異なる:記憶クリニックの日常的な実践では、AVSが提供する容積測定は適度な精度しか得られない。
自動分類器は精度を向上し、診断を助けるのに役立つ。
関連論文リスト
- Decoding Cognitive Health Using Machine Learning: A Comprehensive Evaluation for Diagnosis of Significant Memory Concern [3.5574575466006895]
重要な記憶障害(SMC)のタイムリーな識別は、積極的認知健康管理に不可欠である。
本研究は,機械学習モデルを総合的に評価した,最先端のレビューである。
RNNでは、性能指標として、ディープランダムベクトル汎関数リンク(dRVFL)とアンサンブルdRVFL(edRVFL)が最適分類器として出現する。
論文 参考訳(メタデータ) (2024-05-11T18:48:59Z) - Classification of Radiologically Isolated Syndrome and Clinically
Isolated Syndrome with Machine-Learning Techniques [0.0]
多発性硬化症(MS)を示唆する無症候性白質病変の脳におけるMRIによる予期せぬ検出は、放射線学的に孤立した症候群(RIS)と命名された。
本研究の目的は, RIS 患者と CIS 患者を識別する手段として, 機械学習の分類手法を用いて形態計測指標を同定することであった。
論文 参考訳(メタデータ) (2024-01-24T08:49:50Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - Behavior Score-Embedded Brain Encoder Network for Improved
Classification of Alzheimer Disease Using Resting State fMRI [36.40726715739385]
本稿では、日常的に管理される心理検査情報を、被験者の静止状態fMRIデータの符号化手順に統合する行動スコア埋め込みエンコーダネットワーク(BSEN)を提案する。
BSENは、MMSE(MiniMental State Examination)とCDR(Citical Dementia Rating)の行動スコアを併用した3次元畳み込み自己エンコーダ構造に基づく。
提案するBSENを用いた分類フレームワークは, 総合的認識精度59.44%(AD, MCI, Healthy Control)を達成し, 健康管理(HC)と健康管理(HC)の最も差別的な領域を抽出した。
論文 参考訳(メタデータ) (2022-11-04T09:58:45Z) - Self-supervised contrastive learning of echocardiogram videos enables
label-efficient cardiac disease diagnosis [48.64462717254158]
心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。
左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。
EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
論文 参考訳(メタデータ) (2022-07-23T19:17:26Z) - An AI tool for automated analysis of large-scale unstructured clinical
cine CMR databases [0.0]
大規模臨床データベースにおけるSAX cine CMRからの心臓機能の自動定量化のための堅牢なAIツールの開発と評価を行った。
提案ツールは、画像前処理ステップと、大規模マルチドメインCMRデータセットと品質管理ステップに基づいてトレーニングされた、ドメイン汎用AIアルゴリズムを組み合わせる。
これにより、大規模なマルチセントレデータベースの完全自動処理に使用するためのツールの翻訳が可能となる。
論文 参考訳(メタデータ) (2022-06-15T11:54:51Z) - SpineNetV2: Automated Detection, Labelling and Radiological Grading Of
Clinical MR Scans [70.04389979779195]
SpineNetV2は、臨床脊髄磁気共鳴(MR)スキャンで脊椎を検知し、ラベル付けする自動化ツールである。
また、T2強調スキャンで腰椎椎間板のX線学的グレーディングを行い、様々な一般的な変性変化を観察する。
論文 参考訳(メタデータ) (2022-05-03T15:05:58Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳(メタデータ) (2022-03-21T09:57:20Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳(メタデータ) (2021-05-18T11:37:57Z) - A proof of concept study for machine learning application to stenosis
detection [0.0]
haemodynamicsの1次元パルス波伝播モデルを用いて仮想患者データベース(vpd)を作成する。
4つの異なる機械学習(ML)メソッドを使用して、一連の分類器を訓練およびテストします。
論文 参考訳(メタデータ) (2021-02-11T19:39:33Z)
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。