論文の概要: A Predictive Visual Analytics System for Studying Neurodegenerative
Disease based on DTI Fiber Tracts
- arxiv url: http://arxiv.org/abs/2010.07047v4
- Date: Tue, 14 Dec 2021 00:58:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 23:19:20.661332
- Title: A Predictive Visual Analytics System for Studying Neurodegenerative
Disease based on DTI Fiber Tracts
- Title（参考訳）: DTI繊維を用いた神経変性疾患の予測ビジュアル解析システム
- Authors: Chaoqing Xu, Tyson Neuroth, Takanori Fujiwara, Ronghua Liang, and
Kwan-Liu Ma
- Abstract要約: 本稿では,DTIファイバートラクションデータとそれに対応する統計情報に基づいて,患者グループを対象としたインテリジェントな視覚分析システムを提案する。
システムのAI拡張インターフェースは、ユーザを組織的で総合的な分析空間を通じてガイドする。
本稿では,Parkinson's Progression Markers Initiativeの研究データベースから得られた実データを用いて,いくつかのケーススタディを行う。
- 参考スコア（独自算出の注目度）: 20.879437896802408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion tensor imaging (DTI) has been used to study the effects of
neurodegenerative diseases on neural pathways, which may lead to more reliable
and early diagnosis of these diseases as well as a better understanding of how
they affect the brain. We introduce an intelligent visual analytics system for
studying patient groups based on their labeled DTI fiber tract data and
corresponding statistics. The system's AI-augmented interface guides the user
through an organized and holistic analysis space, including the statistical
feature space, the physical space, and the space of patients over different
groups. We use a custom machine learning pipeline to help narrow down this
large analysis space, and then explore it pragmatically through a range of
linked visualizations. We conduct several case studies using real data from the
research database of Parkinson's Progression Markers Initiative.
- Abstract（参考訳）: 拡散テンソルイメージング(DTI)は神経変性疾患が神経経路に与える影響を研究するために用いられており、これらの疾患をより信頼性が高く早期に診断し、脳にどのように影響するかをよりよく理解することができる。
本稿では,DTIファイバートラクションデータとそれに対応する統計情報に基づいて,患者グループを対象としたインテリジェントな視覚分析システムを提案する。
システムのAI拡張インターフェースは、統計的特徴空間、物理空間、異なるグループにわたる患者の空間を含む、組織的で全体的な分析空間を通じてユーザーを誘導する。
私たちはカスタムの機械学習パイプラインを使用して、この大きな分析空間を狭め、さまざまなリンクされた視覚化を通して実用的に探索します。
パーキンソン病進行マーカーイニシアチブの研究データベースから得られた実データを用いて,いくつかの事例研究を行った。
関連論文リスト
- PhenoFlow: A Human-LLM Driven Visual Analytics System for Exploring Large and Complex Stroke Datasets [21.783005762375417]
PhenoFlowは、人間と大規模言語モデル(LLM)の協調を利用した視覚分析システムである。
PhenoFlowは、生の患者データにアクセスせずに、メタデータを使用して推論し、実行可能なコードを合成する。
本研究は,急性虚血性脳卒中患者のデータ駆動型臨床意思決定における現在の課題にLCMを用いて取り組む可能性を示す。
論文 参考訳（メタデータ） (2024-07-23T09:25:59Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Explainable AI and Machine Learning Towards Human Gait Deterioration
Analysis [0.0]
歩行データを客観的に分析し,臨床関連バイオマーカーと所見を関連づける。
physioNet.orgデータセット毎の98% F1 sc の分類精度と、組み合わせたphysioNetデータセットの95.5% F1スコアを達成する。
論文 参考訳（メタデータ） (2023-06-12T14:53:00Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳（メタデータ） (2023-05-25T16:29:16Z) - Self-Supervised Mental Disorder Classifiers via Time Reversal [0.0]
機能的ニューロイメージングデータの時間方向で訓練されたモデルが、下流のタスクに役立つことを実証した。
我々は、独立成分分析(ICA)技術を用いて、fMRIデータから派生した独立成分のディープニューラルネットワークを訓練する。
学習時間方向はfMRIデータにおける因果関係の学習に役立ち、より高速な収束に役立つことを示す。
論文 参考訳（メタデータ） (2022-11-29T17:24:43Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - 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) - DDXPlus: A new Dataset for Medical Automatic Diagnosis [2.7126836481535213]
本研究は, 患者ごとの鑑別診断, 基礎的真理病理学を含む大規模合成データセットを提案する。
概念実証として,既存のADおよびASDシステムを拡張し,鑑別診断を取り入れた。
我々は,これらのシステムにおいて,差分を訓練信号に用いて差分を予測することが不可欠であることを示す経験的証拠を提供する。
論文 参考訳（メタデータ） (2022-05-18T18:03:39Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z) - 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) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。