論文の概要: An Explainable 3D Residual Self-Attention Deep Neural Network FOR Joint
Atrophy Localization and Alzheimer's Disease Diagnosis using Structural MRI
- arxiv url: http://arxiv.org/abs/2008.04024v2
- Date: Tue, 20 Apr 2021 23:44:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 23:21:43.285676
- Title: An Explainable 3D Residual Self-Attention Deep Neural Network FOR Joint
Atrophy Localization and Alzheimer's Disease Diagnosis using Structural MRI
- Title（参考訳）: 構造MRIを用いた関節萎縮の局所化とアルツハイマー病診断のための3次元残効型深部ニューラルネットワーク
- Authors: Xin Zhang, Liangxiu Han, Wenyong Zhu, Liang Sun, Daoqiang Zhang
- Abstract要約: 我々は,3D Residual Attention Deep Neural Network(3D ResAttNet)を導入し,SMRIスキャンによるエンドツーエンド学習によるアルツハイマー病早期診断のためのコンピュータ支援手法を提案する。
実験結果から,提案手法は精度と一般化性の観点から,最先端モデルに対して競争上の優位性があることが示唆された。
- 参考スコア（独自算出の注目度）: 22.34325971680329
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-aided early diagnosis of Alzheimer's disease (AD) and its prodromal
form mild cognitive impairment (MCI) based on structure Magnetic Resonance
Imaging (sMRI) has provided a cost-effective and objective way for early
prevention and treatment of disease progression, leading to improved patient
care. In this work, we have proposed a novel computer-aided approach for early
diagnosis of AD by introducing an explainable 3D Residual Attention Deep Neural
Network (3D ResAttNet) for end-to-end learning from sMRI scans. Different from
the existing approaches, the novelty of our approach is three-fold: 1) A
Residual Self-Attention Deep Neural Network has been proposed to capture local,
global and spatial information of MR images to improve diagnostic performance;
2) An explanation method using Gradient-based Localization Class Activation
mapping (Grad-CAM) has been introduced to improve the explainable of the
proposed method; 3) This work has provided a full end-to-end learning solution
for automated disease diagnosis. Our proposed 3D ResAttNet method has been
evaluated on a large cohort of subjects from real datasets for two changeling
classification tasks (i.e., Alzheimer's disease (AD) vs. Normal cohort (NC) and
progressive MCI (pMCI) vs. stable MCI (sMCI)). The experimental results show
that the proposed approach has a competitive advantage over the
state-of-the-art models in terms of accuracy performance and generalizability.
The explainable mechanism in our approach is able to identify and highlight the
contribution of the important brain parts (e.g., hippocampus, lateral ventricle
and most parts of the cortex) for transparent decisions.
- Abstract（参考訳）: 構造磁気共鳴画像(smri)に基づくアルツハイマー病(ad)の早期診断と、その前兆型軽度認知障害(mci)は、疾患の進行を早期に予防し治療するための費用対効果と客観的な方法を提供し、患者のケアを改善する。
本研究では,3D Residual Attention Deep Neural Network(3D ResAttNet)を導入し,SMRIスキャンによるエンドツーエンド学習を実現することによって,ADの早期診断を支援する新しい手法を提案する。
既存のアプローチとは異なり、私たちのアプローチのノベルティは3倍です。
1) MR画像の局所的・大域的・空間的情報をキャプチャして診断性能を向上させるための残差自己注意型深部ニューラルネットワークが提案されている。
2)グラディエントに基づく局所化クラス活性化マッピング(Grad-CAM)を用いた説明手法を導入し,提案手法の妥当性を向上した。
3) 本研究は, 自動診断のためのエンドツーエンド学習ソリューションを提供する。
提案した3D ResAttNet法は,2つの変化する分類課題(アルツハイマー病(AD)と正常コホート(NC)と進行性MCI(pMCI)と安定型MCI(sMCI))の実際のデータセットから,多数の被験者を対象に評価した。
実験結果から,提案手法は精度と一般化性の観点から,最先端モデルに対して競争上の優位性を有することが示された。
このアプローチの説明可能なメカニズムは、透明な決定のための重要な脳部分(海馬、側室、大脳皮質のほとんどの部分など)を識別し、強調することができる。
関連論文リスト
- Enhanced Deep Learning Methodologies and MRI Selection Techniques for Dementia Diagnosis in the Elderly Population [5.103059984821972]
3次元脳磁気共鳴画像(MRI)による認知症・非認知症高齢者の分類法を提案する。
提案手法は,MRIスライスを選択的に処理し,最も関連性の高い脳領域に着目し,少ない情報領域を除外するユニークな手法である。
この方法論は、3つのカスタムディープラーニングモデルからなる信頼に基づく分類委員会によって補完される。
論文 参考訳（メタデータ） (2024-07-24T14:48:40Z) - Patch-based Intuitive Multimodal Prototypes Network (PIMPNet) for Alzheimer's Disease classification [3.144057505325736]
部分プロトタイプニューラルネットワークは、Deep Learning(DL)の計算上の利点を解釈可能な設計アーキテクチャに統合する。
PIMPNetは3D sMRIと患者の年齢からアルツハイマー病(AD)のバイナリ分類に適用された3D画像と人口統計の解釈可能な最初のマルチモーダルモデルである。
論文 参考訳（メタデータ） (2024-07-19T12:58:18Z) - Attention-based Efficient Classification for 3D MRI Image of Alzheimer's
Disease [2.6793044027881865]
本研究では、畳み込みニューラルネットワークに基づくアルツハイマー病検出モデルを提案する。
実験結果から, 使用した2次元融合アルゴリズムは, モデルのトレーニングコストを効果的に向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T12:18:46Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳（メタデータ） (2023-11-01T07:24:22Z) - 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) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - An explainable two-dimensional single model deep learning approach for
Alzheimer's disease diagnosis and brain atrophy localization [3.9281410693767036]
本稿では、アルツハイマー病(AD)の自動診断と、sMRIデータから、この疾患に関連する重要な脳領域の局所化について、エンドツーエンドのディープラーニングアプローチを提案する。
提案手法は,AD対認知正常(CN)とプログレッシブMCI(pMCI)と安定MCI(sMCI)の2つの分類タスクに対して,パブリックアクセス可能な2つのデータセットで評価されている。
実験結果から,本手法はマルチモデルや3次元CNN手法など,最先端の手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2021-07-28T07:19:00Z) - Deep Convolutional Neural Network based Classification of Alzheimer's
Disease using MRI data [8.609787905151563]
アルツハイマー病(Alzheimer's disease、AD)は、脳細胞を破壊し、患者の記憶に損失を引き起こす進行性および不治性の神経変性疾患である。
本稿では,不均衡な3次元MRIデータセットを用いた2次元深部畳み込みニューラルネットワーク(2D-DCNN)によるADの診断手法を提案する。
このモデルはMRIをAD、軽度認知障害、正常制御の3つのカテゴリに分類し、99.89%の分類精度を不均衡クラスで達成した。
論文 参考訳（メタデータ） (2021-01-08T06:51:08Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳（メタデータ） (2020-05-08T02:29:24Z)
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。