論文の概要: Parkinson's Disease Detection Using Ensemble Architecture from MR Images

• arxiv url: http://arxiv.org/abs/2007.00682v1
• Date: Wed, 1 Jul 2020 18:03:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 23:57:45.571768
• Title: Parkinson's Disease Detection Using Ensemble Architecture from MR Images
• Title（参考訳）: MR画像からのアンサンブル構造を用いたパーキンソン病の検出
• Authors: Tahjid Ashfaque Mostafa, Irene Cheng
• Abstract要約: 磁気共鳴(MR)T1画像を用いたパーキンソン病の同定法について検討した。 MR画像からGray Matter(GM)領域とWhite Matter(WM)領域に注目すると,検出精度が大幅に向上することがわかった。
• 参考スコア（独自算出の注目度）: 1.8884278918443564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parkinson's Disease(PD) is one of the major nervous system disorders that affect people over 60. PD can cause cognitive impairments. In this work, we explore various approaches to identify Parkinson's using Magnetic Resonance (MR) T1 images of the brain. We experiment with ensemble architectures combining some winning Convolutional Neural Network models of ImageNet Large Scale Visual Recognition Challenge (ILSVRC) and propose two architectures. We find that detection accuracy increases drastically when we focus on the Gray Matter (GM) and White Matter (WM) regions from the MR images instead of using whole MR images. We achieved an average accuracy of 94.7\% using smoothed GM and WM extracts and one of our proposed architectures. We also perform occlusion analysis and determine which brain areas are relevant in the architecture decision making process.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人に影響を与える神経系疾患の一つ。 PDは認知障害を引き起こすことがある。 本研究では,脳の磁気共鳴(mr)t1画像を用いたパーキンソン病の同定法について検討する。 我々は,ImageNet Large Scale Visual Recognition Challenge (ILSVRC) で勝利した畳み込みニューラルネットワークモデルを組み合わせたアンサンブルアーキテクチャを実験し,二つのアーキテクチャを提案する。 MR画像全体を使用せず,Gray Matter(GM)領域とWhite Matter(WM)領域に注目すると,検出精度が大幅に向上することがわかった。 平滑化gmおよびwm抽出と提案アーキテクチャの1つを用いて,平均94.7\%の精度を達成した。 また、オクルージョン分析を行い、アーキテクチャ決定プロセスにどの脳領域が関係しているかを決定する。

関連論文リスト

• AI WALKUP: A Computer-Vision Approach to Quantifying MDS-UPDRS in Parkinson's Disease [26.404367811027996]
  パーキンソン病(英: Parkinson's Disease、PD)は、神経変性疾患の2番目に多い疾患である。 PDの既存の評価方法は、様々な種類の運動症状と疾患の進行の重症度を評価するために、運動障害協会(英語版) - Unified Parkinson's Disease Rating Scale (MDS-UPDRS) である。 我々は、コンピュータビジョンベースのソリューションを使用して、カメラに基づいて人間のポーズ画像をキャプチャし、アルゴリズムを用いて動き分析を再構築し、特徴工学を通して動きの量の特徴を抽出したいと考えている。
  論文  参考訳（メタデータ） (2024-04-02T05:53:34Z)
• Psychometry: An Omnifit Model for Image Reconstruction from Human Brain Activity [60.983327742457995]
  人間の脳活動から見るイメージを再構築することで、人間とコンピュータのビジョンをBrain-Computer Interfaceを通して橋渡しする。 異なる被験者から得られた機能的磁気共鳴イメージング(fMRI)による画像再構成のための全能モデルであるサイコメトリを考案した。
  論文  参考訳（メタデータ） (2024-03-29T07:16:34Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Streamlining Brain Tumor Classification with Custom Transfer Learning in MRI Images [1.534667887016089]
  脳腫瘍はますます広まり、脳内の異常な組織が制御不能に広がるのが特徴である。 本研究では,MRI画像からの脳腫瘍の分類を,カスタムトランスファー学習ネットワークを用いて効率的に行う方法を提案する。
  論文  参考訳（メタデータ） (2023-10-19T19:13:04Z)
• A Survey of Feature detection methods for localisation of plain sections of Axial Brain Magnetic Resonance Imaging [0.0]
  患者のMRI画像と患者のMRIスライスを脳の模擬アトラスにマッピングすることは、脳のMRIの自動登録の鍵となる。 本研究では,脳のMRIと異なる患者のMRIのマッチングや,MRIのスライスと脳のアトラスの位置をマッチングする手法とアプローチを比較できるように,ロバストネス,精度,累積距離の計測と方法論を導入している。
  論文  参考訳（メタデータ） (2023-02-08T16:24:09Z)
• Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
  本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。 まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。 そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
  論文  参考訳（メタデータ） (2022-09-22T04:17:57Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Automatic Classification of Alzheimer's Disease using brain MRI data and deep Convolutional Neural Networks [0.0]
  アルツハイマー病(英: Alzheimer's disease、AD)は、世界の公衆衛生問題の一つ。 本稿では,脳MRI画像とセグメント画像を用いたディープラーニングアーキテクチャの構築について検討する。
  論文  参考訳（メタデータ） (2022-03-31T20:15:51Z)
• Cross-Modality Neuroimage Synthesis: A Survey [71.27193056354741]
  マルチモダリティイメージングは、疾患の診断を改善し、解剖学的特性を持つ組織における相違を明らかにする。 完全な整列とペアの多モードニューロイメージングデータの存在は、脳研究においてその効果を証明している。 もう一つの解決策は、教師なしまたは弱教師なしの学習方法を探究し、欠落した神経画像データを合成することである。
  論文  参考訳（メタデータ） (2022-02-14T19:29:08Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)
• Parkinson's Disease Detection with Ensemble Architectures based on ILSVRC Models [1.8884278918443564]
  磁気共鳴(MR)T1画像を用いたパーキンソン病の同定のためのニューラルネットワークアーキテクチャの検討 提案手法はすべてMR画像からPDを検出する既存の手法より優れており、最大95%の精度で検出できる。 我々の発見は、トレーニングデータがない、あるいは不十分な場合には、有望な方向を示唆している。
  論文  参考訳（メタデータ） (2020-07-23T05:40:47Z)

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。