論文の概要: Developing Univariate Neurodegeneration Biomarkers with Low-Rank and
Sparse Subspace Decomposition
- arxiv url: http://arxiv.org/abs/2010.13954v1
- Date: Mon, 26 Oct 2020 23:42:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 19:23:17.144947
- Title: Developing Univariate Neurodegeneration Biomarkers with Low-Rank and
Sparse Subspace Decomposition
- Title（参考訳）: 低ランク・スパース部分空間分解型不定形神経変性バイオマーカーの開発
- Authors: Gang Wang, Qunxi Dong, Jianfeng Wu, Yi Su, Kewei Chen, Qingtang Su,
Xiaofeng Zhang, Jinguang Hao, Tao Yao, Li Liu, Caiming Zhang, Richard J
Caselli, Eric M Reiman, Yalin Wang
- Abstract要約: アルツハイマー病(AD)による認知機能低下は、構造磁気共鳴画像(sMRI)で捉えた脳構造変化と密接に関連している
AD認知症(ADD)による形態変化を安定的に定量化できる新しい低ランク・スパース部分空間分解法を提案する。
実験結果は従来の海馬容積測定よりも優れており,UMIをUNBとして適用することを提案する。
- 参考スコア（独自算出の注目度）: 37.62559407222313
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cognitive decline due to Alzheimer's disease (AD) is closely associated with
brain structure alterations captured by structural magnetic resonance imaging
(sMRI). It supports the validity to develop sMRI-based univariate
neurodegeneration biomarkers (UNB). However, existing UNB work either fails to
model large group variances or does not capture AD dementia (ADD) induced
changes. We propose a novel low-rank and sparse subspace decomposition method
capable of stably quantifying the morphological changes induced by ADD.
Specifically, we propose a numerically efficient rank minimization mechanism to
extract group common structure and impose regularization constraints to encode
the original 3D morphometry connectivity. Further, we generate
regions-of-interest (ROI) with group difference study between common subspaces
of $A\beta+$ AD and $A\beta-$ cognitively unimpaired (CU) groups. A univariate
morphometry index (UMI) is constructed from these ROIs by summarizing
individual morphological characteristics weighted by normalized difference
between $A\beta+$ AD and $A\beta-$ CU groups. We use hippocampal surface radial
distance feature to compute the UMIs and validate our work in the Alzheimer's
Disease Neuroimaging Initiative (ADNI) cohort. With hippocampal UMIs, the
estimated minimum sample sizes needed to detect a 25$\%$ reduction in the mean
annual change with 80$\%$ power and two-tailed $P=0.05$ are 116, 279 and 387
for the longitudinal $A\beta+$ AD, $A\beta+$ mild cognitive impairment (MCI)
and $A\beta+$ CU groups, respectively. Additionally, for MCI patients, UMIs
well correlate with hazard ratio of conversion to AD ($4.3$, $95\%$
CI=$2.3-8.2$) within 18 months. Our experimental results outperform traditional
hippocampal volume measures and suggest the application of UMI as a potential
UNB.
- Abstract（参考訳）: アルツハイマー病(AD)による認知低下は、構造磁気共鳴画像(sMRI)によって捉えられた脳構造の変化と密接に関連している。
smriベースのunivariate neurodegeneration biomarkers (unb) の開発が有効である。
しかし、既存のUNBの作業は大きなグループ分散のモデル化に失敗するか、AD認知症(ADD)による変化を捉えない。
ADDにより誘起される形態変化を安定的に定量化できる新しい低ランク・スパース部分空間分解法を提案する。
具体的には,群共通構造を抽出し,元の3次元モーフォメトリー接続を符号化するために正規化制約を課す数値的効率のよいランク最小化機構を提案する。
さらに,A\beta+$ ADとA\beta-$認知障害群(CU)の共通部分空間間のグループ差による関心領域(ROI)を生成する。
A\beta+$ AD と $A\beta-$ CU 群の正規化差により重み付けされた個々の形態特性を要約することにより、これらのROIから一変量形態指標(UMI)を構築する。
UMIを計算し,アルツハイマー病神経画像イニシアチブ(ADNI)コホートにおける研究を検証するために,海馬表面放射距離特徴を用いた。
海馬UMIでは、80$\%の電力と2尾のP=0.05$はそれぞれ116,279,387 USドルA\beta+$AD,$A\beta+$軽度認知障害(MCI)および$A\beta+$CUグループで、平均年間変化の25$\%の減少を検出するのに必要な最小サンプルサイズが推定される。
さらに、MCI患者では、UMIは18ヶ月以内にAD(4.3$, 9,5\%$ CI=2.3-8.2$)への変換の危険度とよく相関している。
実験結果は従来の海馬容積測定よりも優れており,UMIをUNBとして適用することを提案する。
関連論文リスト
- Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - Geodesic Optimization for Predictive Shift Adaptation on EEG data [53.58711912565724]
ドメイン適応メソッドは、$X$と$y$で分散シフトが同時に発生したときに苦労する。
本稿では,GOPSA(Geodesic Optimization for Predictive Shift Adaptation)と呼ばれる新しい手法を提案する。
GOPSAは、脳波のバイオメディカル応用のための混合効果モデリングと機械学習を併用する可能性を持っている。
論文 参考訳（メタデータ） (2024-07-04T12:15:42Z) - An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
アルツハイマー病(英語: Alzheimer's disease、AD)は認知能力の低下が進行する認知症である。
構造的MRIと機能的MRIを利用して,病原性GMと機能的ネットワーク接続の変化を調査した。
本稿では,Cycle GANを用いた生成モジュールを用いたDLに基づく新しい分類手法を提案する。
論文 参考訳（メタデータ） (2024-06-19T07:31:47Z) - A Surface-Based Federated Chow Test Model for Integrating APOE Status,
Tau Deposition Measure, and Hippocampal Surface Morphometry [18.36168858563601]
アルツハイマー病(英: Alzheimer's Disease、AD)は、認知症で最も一般的な疾患であり、CDCのデータによると65歳以上の6200万人に影響を及ぼす。
有効なAD診断バイオマーカーの発見は、公衆衛生上の大きな利益をもたらす可能性があると一般的に合意されている。
論文 参考訳（メタデータ） (2023-03-31T21:17:54Z) - Normative Modeling via Conditional Variational Autoencoder and
Adversarial Learning to Identify Brain Dysfunction in Alzheimer's Disease [10.302206705998563]
アルツハイマー病(AD)の脳機能障害を同定するために、条件付き変分オートエンコーダと対向学習(ACVAE)を組み合わせた新しい規範的モデリング法を提案する。
OASIS-3データベースを用いた実験により,本モデルが生成する偏差マップは,他の深部規範モデルと比較してADに対する感度が高いことが示された。
論文 参考訳（メタデータ） (2022-11-13T07:36:30Z) - Batch-Size Independent Regret Bounds for Combinatorial Semi-Bandits with Probabilistically Triggered Arms or Independent Arms [59.8188496313214]
半帯域 (CMAB) について検討し, 半帯域 (CMAB) におけるバッチサイズ (K$) の依存性の低減に着目した。
まず,確率的に引き起こされるアーム(CMAB-T)を用いたCMABの設定に対して,分散を考慮した信頼区間を持つBCUCB-Tアルゴリズムを提案する。
次に,独立アームを用いた非トリガ型CMABの設定に対して,TPVM条件の非トリガ型を利用したSESCBアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-31T13:09:39Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Predicting Tau Accumulation in Cerebral Cortex with Multivariate MRI
Morphometry Measurements, Sparse Coding, and Correntropy [18.81651314175103]
アルツハイマー病(AD)の徴候の1つは、人間の脳にタウプラークが蓄積されていることである。
タウ病理診断の現在の方法は、侵襲的(腰椎穿刺)か、非常に高価で広く利用できない(タウPET)。
論文 参考訳（メタデータ） (2021-10-20T18:05:33Z) - Federated Deep AUC Maximization for Heterogeneous Data with a Constant
Communication Complexity [77.78624443410216]
異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。
本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。
FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
論文 参考訳（メタデータ） (2021-02-09T04:05:19Z) - Image analysis for Alzheimer's disease prediction: Embracing
pathological hallmarks for model architecture design [8.583436410810204]
アルツハイマー病(AD)は局所性(例えば脳組織萎縮)と大脳変化(脳との接続の欠如)と関連している
我々は、疾患脳における$textitlocal$と$textitglobal$の変化を同時にキャプチャする、新しくて高度にスケール可能なアプローチを導入する。
パッチベースの高解像度の3D-CNNとグローバルなトポロジ的特徴を組み合わせたニューラルネットワークアーキテクチャに基づいている。
論文 参考訳（メタデータ） (2020-11-12T17:42:49Z)
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。