論文の概要: Age-Net: An MRI-Based Iterative Framework for Brain Biological Age
Estimation
- arxiv url: http://arxiv.org/abs/2009.10765v2
- Date: Mon, 15 Mar 2021 15:48:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 23:09:19.130462
- Title: Age-Net: An MRI-Based Iterative Framework for Brain Biological Age
Estimation
- Title(参考訳): Age-Net:脳の生物学的年齢推定のためのMRIベースの反復的フレームワーク
- Authors: Karim Armanious, Sherif Abdulatif, Wenbin Shi, Shashank Salian, Thomas
K\"ustner, Daniel Weiskopf, Tobias Hepp, Sergios Gatidis, Bin Yang
- Abstract要約: 生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。
臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
- 参考スコア(独自算出の注目度): 18.503467872057424
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The concept of biological age (BA), although important in clinical practice,
is hard to grasp mainly due to the lack of a clearly defined reference
standard. For specific applications, especially in pediatrics, medical image
data are used for BA estimation in a routine clinical context. Beyond this
young age group, BA estimation is mostly restricted to whole-body assessment
using non-imaging indicators such as blood biomarkers, genetic and cellular
data. However, various organ systems may exhibit different aging
characteristics due to lifestyle and genetic factors. Thus, a whole-body
assessment of the BA does not reflect the deviations of aging behavior between
organs. To this end, we propose a new imaging-based framework for
organ-specific BA estimation. In this initial study, we focus mainly on brain
MRI. As a first step, we introduce a chronological age (CA) estimation
framework using deep convolutional neural networks (Age-Net). We quantitatively
assess the performance of this framework in comparison to existing
state-of-the-art CA estimation approaches. Furthermore, we expand upon Age-Net
with a novel iterative data-cleaning algorithm to segregate atypical-aging
patients (BA $\not \approx$ CA) from the given population. We hypothesize that
the remaining population should approximate the true BA behavior. We apply the
proposed methodology on a brain magnetic resonance image (MRI) dataset
containing healthy individuals as well as Alzheimer's patients with different
dementia ratings. We demonstrate the correlation between the predicted BAs and
the expected cognitive deterioration in Alzheimer's patients. A statistical and
visualization-based analysis has provided evidence regarding the potential and
current challenges of the proposed methodology.
- Abstract(参考訳): 生物学的年齢(ba)の概念は臨床において重要であるが、主に明確な基準基準が欠如しているため、把握が困難である。
特定の応用、特に小児科における医療画像データは、日常的な臨床状況におけるBA推定に使用される。
この若年層以外にも、BA推定は血液バイオマーカー、遺伝子および細胞データなどの非イメージング指標を用いた全身評価に限られている。
しかし、様々な臓器系は生活習慣や遺伝的要因によって異なる老化特性を示す可能性がある。
したがって、BAの全身評価は、臓器間の加齢挙動のずれを反映していない。
そこで本研究では,臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
この最初の研究では、主に脳mriに焦点を当てた。
第1段階として,深層畳み込みニューラルネットワーク(age-net)を用いた時系列推定フレームワークを提案する。
本稿では,既存のCA推定手法と比較して,このフレームワークの性能を定量的に評価する。
さらに,新たな反復的データクリーニングアルゴリズムにより,高齢者から非定型高齢者(BA $\not \approx$ CA)を分離する。
残りの人口は真のBA行動に近似すべきである。
脳磁気共鳴画像(MRI)データセットに,健常者および認知症評価の異なるアルツハイマー病患者を対象に,提案手法を適用した。
アルツハイマー病患者の予測BAと認知機能低下との関連について検討した。
統計的および可視化に基づく分析は、提案手法の可能性と現在の課題に関する証拠を提供している。
関連論文リスト
- Dual Graph Attention based Disentanglement Multiple Instance Learning
for Brain Age Estimation [26.33669583527592]
本稿では,DGA-DMIL(Dual Graph Attention based Disentanglement Multi-instance Learning)フレームワークを提案する。
次に,双対グラフ注意アグリゲータを提案し,instance内およびinter-instance間関係を利用してバックボーンの特徴を学習する。
提案モデルでは,脳年齢推定における異常な精度を示し,英国バイオバンクで2.12年間の絶対誤差を達成した。
論文 参考訳(メタデータ) (2024-03-02T16:13:06Z) - Robust and Interpretable Medical Image Classifiers via Concept
Bottleneck Models [49.95603725998561]
本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。
具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
論文 参考訳(メタデータ) (2023-10-04T21:57:09Z) - An Unsupervised Deep-Learning Method for Bone Age Assessment [4.227079957387361]
骨の発達の程度を反映した骨年齢は、成人の高さを予測し、子供の内分泌疾患を検出するために用いられる。
本稿では,制約付き畳み込みオートエンコーダ(CCAE)を用いて,骨年齢の分類とBA-CCAEの洗礼を行うモデルを提案する。
北米放射線学会(Radiological Society of North America)の実験では、48ヶ月間隔での分類の精度は76.15%である。
論文 参考訳(メタデータ) (2022-06-12T02:31:36Z) - Generative Aging of Brain Images with Diffeomorphic Registration [3.645542167239258]
脳の老化を分析し予測することは、早期予後と認知疾患の正確な診断に不可欠である。
本稿では, 経時的MRI画像から被検体特異的神経変性を捕捉し, 加齢に伴う解剖学的妥当性を維持する手法を提案する。
論文 参考訳(メタデータ) (2022-05-31T08:37:24Z) - Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with
Multi-Task Brain Age Prediction [53.122045119395594]
ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。
年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。
そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
論文 参考訳(メタデータ) (2022-01-31T09:39:52Z) - Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。
予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。
本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
論文 参考訳(メタデータ) (2021-08-11T18:08:09Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳(メタデータ) (2021-06-06T07:11:25Z) - Uncertainty-Based Biological Age Estimation of Brain MRI Scans [10.670209276046915]
3次元磁気共鳴画像(MRI)を用いた臓器特異的BA推定のための新しい枠組みを提案する。
アルツハイマー病患者における予期したBAと予期される認知低下との相関性を示す。
論文 参考訳(メタデータ) (2021-03-15T16:08:23Z) - ICAM-reg: Interpretable Classification and Regression with Feature
Attribution for Mapping Neurological Phenotypes in Individual Scans [3.589107822343127]
本研究では,生成的深層学習における最近の進歩を活かし,同時分類法,回帰法,特徴帰属法を開発した。
Alzheimer's Disease Neuroimaging InitiativeコホートにおけるMini-Mental State examination (MMSE)認知テストスコア予測のタスクについて検証した。
本稿では,生成したfaマップを用いて異常予測を説明し,回帰加群を組み込むことで潜在空間の不連続性を改善することを示す。
論文 参考訳(メタデータ) (2021-03-03T17:55:14Z) - 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) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳(メタデータ) (2020-08-29T11:50:37Z)
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。