論文の概要: A Survey on Deep Learning for Neuroimaging-based Brain Disorder Analysis
- arxiv url: http://arxiv.org/abs/2005.04573v1
- Date: Sun, 10 May 2020 04:20:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 01:47:53.778119
- Title: A Survey on Deep Learning for Neuroimaging-based Brain Disorder Analysis
- Title（参考訳）: 神経画像に基づく脳障害解析のためのディープラーニングに関する研究
- Authors: Li Zhang and Mingliang Wang and Mingxia Liu and Daoqiang Zhang
- Abstract要約: 深層学習は、最近、構造的磁気共鳴画像(MRI)、機能的MRI、ポジトロン放射断層撮影(PET)などの神経画像の解析に使われている。
本稿では、ニューロイメージングに基づく脳障害解析におけるディープラーニング手法の適用について概説する。
- 参考スコア（独自算出の注目度）: 38.213459556446765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning has been recently used for the analysis of neuroimages, such as
structural magnetic resonance imaging (MRI), functional MRI, and positron
emission tomography (PET), and has achieved significant performance
improvements over traditional machine learning in computer-aided diagnosis of
brain disorders. This paper reviews the applications of deep learning methods
for neuroimaging-based brain disorder analysis. We first provide a
comprehensive overview of deep learning techniques and popular network
architectures, by introducing various types of deep neural networks and recent
developments. We then review deep learning methods for computer-aided analysis
of four typical brain disorders, including Alzheimer's disease, Parkinson's
disease, Autism spectrum disorder, and Schizophrenia, where the first two
diseases are neurodegenerative disorders and the last two are
neurodevelopmental and psychiatric disorders, respectively. More importantly,
we discuss the limitations of existing studies and present possible future
directions.
- Abstract（参考訳）: 深層学習は近年、構造磁気共鳴画像(MRI)、機能MRI、ポジトロン放射断層撮影(PET)などの神経画像の解析に利用されており、コンピュータ支援脳疾患の診断において従来の機械学習よりも顕著な性能向上を実現している。
本稿では,神経画像を用いた脳障害解析における深層学習法の応用について概説する。
まず、さまざまなタイプのディープニューラルネットワークと最近の開発を紹介することにより、ディープラーニング技術と一般的なネットワークアーキテクチャの概要を概観する。
次に,アルツハイマー病,パーキンソン病,自閉症スペクトラム障害,統合失調症という4つの典型的な脳疾患をコンピュータ支援で解析する深層学習法について検討した。
さらに,既存の研究の限界を議論し,今後の方向性について述べる。
関連論文リスト
- Towards the Discovery of Down Syndrome Brain Biomarkers Using Generative Models [0.0]
我々は変分オートエンコーダと拡散モデルに基づく最先端の脳異常検出モデルの評価を行った。
以上の結果から、ダウン症候群の脳解剖を特徴付ける一次変化を効果的に検出するモデルが存在することが示唆された。
論文 参考訳（メタデータ） (2024-09-20T12:01:15Z) - Large Language Model-based FMRI Encoding of Language Functions for Subjects with Neurocognitive Disorder [53.575426835313536]
LLMを用いたfMRIエンコーディングと脳のスコアを用いた高齢者の言語関連機能変化について検討する。
脳のスコアと認知スコアの相関関係を脳全体のROIと言語関連ROIの両方で分析した。
以上の結果から,認知能力の向上は,中側頭回に有意な相関がみられた。
論文 参考訳（メタデータ） (2024-07-15T01:09:08Z) - Dimensional Neuroimaging Endophenotypes: Neurobiological Representations
of Disease Heterogeneity Through Machine Learning [11.653182438505558]
まず、機械学習とマルチモーダルMRIを用いて、様々な神経精神・神経変性疾患における疾患の多様性を解明する研究の体系的な概要を述べる。
次に、関連する機械学習手法を要約し、DNEと呼ばれる新しいパラダイムについて議論する。
DNEは神経精神医学および神経変性疾患の神経生物学的不均一性を低次元で情報的かつ定量的な脳表現表現に識別する。
論文 参考訳（メタデータ） (2024-01-17T16:31:48Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - Deep learning reveals the common spectrum underlying multiple brain
disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。
病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。
多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文 参考訳（メタデータ） (2023-02-23T09:22:05Z) - Promises and pitfalls of deep neural networks in neuroimaging-based
psychiatric research [0.9449650062296824]
ディープニューラルネットワーク、特に畳み込みニューラルネットワークは、医療画像の強力なツールへと進化してきた。
ここでは、まず、方法論的鍵概念と結果の方法論的約束について紹介する。
神経画像に基づく精神医学研究における最近の応用を振り返り、現在の課題について論じる。
論文 参考訳（メタデータ） (2023-01-20T12:05:59Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳（メタデータ） (2022-05-25T20:16:05Z) - Machine Learning Applications on Neuroimaging for Diagnosis and
Prognosis of Epilepsy: A Review [6.185653026582807]
てんかんの診断と予後の文脈におけるニューロイメージングと機械学習の相互作用を強調した。
本稿では,2段階構成法とエンドツーエンド法という2つの手法を用いて,ニューロイメージングデータに機械学習手法を適用する。
セグメンテーション、ローカライゼーション、横方向化タスクなど、てんかん性画像における機械学習タスクの詳細なレビューを行う。
論文 参考訳（メタデータ） (2021-02-05T18:39:12Z) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳（メタデータ） (2020-03-02T18:20:44Z)
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。