論文の概要: Prediction of Epilepsy Development in Traumatic Brain Injury Patients from Diffusion Weighted MRI

• arxiv url: http://arxiv.org/abs/2004.14580v2
• Date: Fri, 1 May 2020 22:22:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 05:45:35.949298
• Title: Prediction of Epilepsy Development in Traumatic Brain Injury Patients from Diffusion Weighted MRI
• Title（参考訳）: 拡散強調mriによる外傷性脳損傷患者のてんかん発生予測
• Authors: Md Navid Akbar, Marianna La Rocca, Rachael Garner, Dominique Duncan, Deniz Erdo\u{g}mu\c{s}
• Abstract要約: 外傷後てんかん(PTE)は外傷性脳損傷(TBI)の長期合併症である 現在,TBI患者に発症するてんかんの病態は明らかでない。 てんかんコミュニティにおける最も困難な目標の1つは、どのTBI患者がてんかんを発症するかを予測することである。
• 参考スコア（独自算出の注目度）: 1.2599533416395767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-traumatic epilepsy (PTE) is a life-long complication of traumatic brain injury (TBI) and is a major public health problem that has an estimated incidence that ranges from 2%-50%, depending on the severity of the TBI. Currently, the pathomechanism that in-duces epileptogenesis in TBI patients is unclear, and one of the most challenging goals in the epilepsy community is to predict which TBI patients will develop epilepsy. In this work, we used diffusion-weighted imaging (DWI) of 14 TBI patients recruited in the Epilepsy Bioinformatics Study for Antiepileptogenic Therapy (EpiBioS4Rx)to measure and analyze fractional anisotropy (FA), obtained from tract-based spatial statistic (TBSS) analysis. Then we used these measurements to train two support vector machine (SVM) models to predict which TBI patients have developed epilepsy. Our approach, tested on these 14 patients with a leave-two-out cross-validation, allowed us to obtain an accuracy of 0.857 $\pm$ 0.18 (with a 95% level of confidence), demonstrating it to be potentially promising for the early characterization of PTE.
• Abstract（参考訳）: 外傷後てんかん(英: Post-traumatic epilepsy, PTE)は、外傷性脳損傷(TBI)の長期にわたる合併症であり、TBIの重症度に応じて2%から50%の範囲で推定される公衆衛生上の問題である。 現在、TBI患者のてんかんを誘発する病態は明確ではなく、てんかんコミュニティにおける最も困難な目標の1つは、どのTBI患者がてんかんを発症するかを予測することである。 本研究では,抗てんかん剤療法(EpiBioS4Rx)を施行した14名のTBI患者の拡散強調画像(DWI)を用いて,トラクションベース空間統計学(TBSS)分析から得られた分画異方性(FA)の測定と解析を行った。 次にこれらの測定値を用いて2つのサポートベクターマシン(svm)モデルを訓練し、どのtbi患者がてんかんを発症したかを予測する。 以上より, PTEの早期評価に期待できる可能性が示唆され, これらの14症例を対象に, 精度0.857$\pm$0.18(95%信頼度)を得ることができた。

関連論文リスト

• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Predictive Analysis of Tuberculosis Treatment Outcomes Using Machine Learning: A Karnataka TB Data Study at a Scale [1.5261072024054256]
  本研究では,結核治療の結果をより正確に予測するために,機械学習をどのように利用できるかを検討する。 データ前処理は研究の重要な要素であり、検証セットでは98%のリコールとAUC-ROCスコア0.95のリコールを達成した。 この研究は、医療における機械学習の可能性を示すため、TBとの戦いにおいて重要な一歩を踏み出した。
  論文  参考訳（メタデータ） (2024-03-13T08:04:00Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Simulation-based Inference for Cardiovascular Models [57.92535897767929]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• Foresight -- Deep Generative Modelling of Patient Timelines using Electronic Health Records [46.024501445093755]
  医学史の時間的モデリングは、将来の出来事を予測し、シミュレートしたり、リスクを見積り、代替診断を提案したり、合併症を予測するために使用することができる。 我々は、文書テキストを構造化されたコード化された概念に変換するためにNER+Lツール(MedCAT)を使用する新しいGPT3ベースのパイプラインであるForesightを提示する。
  論文  参考訳（メタデータ） (2022-12-13T19:06:00Z)
• Ischemic Stroke Lesion Prediction using imbalanced Temporal Deep Gaussian Process (iTDGP) [2.649401887836554]
  急性虚血性脳卒中(AIS)は、動脈閉塞により突然脳への血液供給が中断されたときに起こる。 CT(Computed Tomography Perfusion)画像から抽出した3次元計測マップをしきい値として評価する現在の標準AIS評価法は十分ではない。 ベースラインガウス時系列を用いてAIS予測を改善する確率モデルであるiTDGPを提案する。
  論文  参考訳（メタデータ） (2022-11-16T17:32:29Z)
• EEG-Based Epileptic Seizure Prediction Using Temporal Multi-Channel Transformers [1.0970480513577103]
  てんかんは最も一般的な神経疾患の1つで、てんかん発作と呼ばれる過渡期および未発症の事象を特徴とする。 脳波はてんかんの診断とモニタリングを補助的に行う方法である。 てんかん発作の予期せぬ性質を考えると、その予測は患者のケアを改善し、生活の質とてんかんの治療を最適化する。
  論文  参考訳（メタデータ） (2022-09-18T03:03:47Z)
• Automatic lesion analysis for increased efficiency in outcome prediction of traumatic brain injury [12.651451007914124]
  本研究は, 日常的に取得した病院入所CTスキャンから抽出したバイオマーカーの予測力について検討した。 我々は,TBI結果予測モデルの拡張のための入力として,病変量とそれに対応する病変統計を用いた。 自動的に抽出された定量的CT特徴は、不利なTBI結果を予測する際にマーシャルスコアと同等かそれ以上に機能することがわかった。
  論文  参考訳（メタデータ） (2022-08-08T13:18:35Z)
• Process Mining Model to Predict Mortality in Paralytic Ileus Patients [0.0]
  麻痺性イレウス(PI)患者は集中治療室(ICU)に入院すると死亡リスクが高く、死亡率は40%に達する。 当科では入院24時間後のICU患者の死亡率予測におけるパフォーマンス改善について検討した。
  論文  参考訳（メタデータ） (2021-08-03T03:09:13Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)

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。