論文の概要: Towards a quantitative assessment of neurodegeneration in Alzheimer's
disease
- arxiv url: http://arxiv.org/abs/2011.04465v1
- Date: Fri, 6 Nov 2020 05:56:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 05:25:41.602332
- Title: Towards a quantitative assessment of neurodegeneration in Alzheimer's
disease
- Title(参考訳): アルツハイマー病における神経変性の定量的評価に向けて
- Authors: Oleg Michailovich and Rinat Mukhometzianov
- Abstract要約: アルツハイマー病(英語: Alzheimer's disease、AD)は、脳の記憶や他の認知領域を徐々に破壊する不可逆性神経変性疾患である。
本稿では,神経変性の空間的範囲を視覚的に表現する手段として,病理特異的イメージングコントラスト(PSIC)の概念を紹介する。
PSICの値は専用ディープニューラルネットワーク(DNN)によって計算され、特にdMRI信号の処理に適応している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Alzheimer's disease (AD) is an irreversible neurodegenerative disorder that
progressively destroys memory and other cognitive domains of the brain. While
effective therapeutic management of AD is still in development, it seems
reasonable to expect their prospective outcomes to depend on the severity of
baseline pathology. For this reason, substantial research efforts have been
invested in the development of effective means of non-invasive diagnosis of AD
at its earliest possible stages. In pursuit of the same objective, the present
paper addresses the problem of the quantitative diagnosis of AD by means of
Diffusion Magnetic Resonance Imaging (dMRI). In particular, the paper
introduces the notion of a pathology specific imaging contrast (PSIC), which,
in addition to supplying a valuable diagnostic score, can serve as a means of
visual representation of the spatial extent of neurodegeneration. The values of
PSIC are computed by a dedicated deep neural network (DNN), which has been
specially adapted to the processing of dMRI signals. Once available, such
values can be used for several important purposes, including stratification of
study subjects. In particular, experiments confirm the DNN-based classification
can outperform a wide range of alternative approaches in application to the
basic problem of stratification of cognitively normal (CN) and AD subjects.
Notwithstanding its preliminary nature, this result suggests a strong rationale
for further extension and improvement of the explorative methodology described
in this paper.
- Abstract(参考訳): アルツハイマー病(英: alzheimer's disease、ad)は、脳の記憶やその他の認知領域を徐々に破壊する不可逆性神経変性疾患である。
adの効果的な治療管理はまだ開発中であるが、その将来的な成果が基礎疾患の重症度に依存すると期待するのは妥当であると思われる。
このため、早期にADの非侵襲的診断の有効な方法の開発にかなりの研究努力が注がれている。
同じ目的を追求するために,拡散磁気共鳴画像(dMRI)を用いてADの定量的診断の問題に対処する。
特に,神経変性の空間的範囲を視覚的に表現する手段として有用な診断スコアの提供に加えて,病理画像コントラスト(PSIC)の概念を紹介した。
PSICの値は専用ディープニューラルネットワーク(DNN)によって計算され、特にdMRI信号の処理に適応している。
利用可能になると、そのような値は、研究対象の階層化を含むいくつかの重要な目的に使用できる。
特に、dnnに基づく分類実験は、認知正常(cn)とad被験者の階層化に関する基本的な問題への応用において、幅広い代替アプローチを上回ることができる。
予備的性質にもかかわらず,本論文は探索的方法論のさらなる拡張と改善のための強い理論的根拠を示唆する。
関連論文リスト
- LAVA: Granular Neuron-Level Explainable AI for Alzheimer's Disease
Assessment from Fundus Images [15.02513291695459]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、進行性神経変性疾患であり、認知症の主要な原因である。
網膜は、脳と解剖学的に結びついているため、AD検出の診断部位として仮説化されている。
我々は、グラニュラーニューロンレベル説明器(LAVA)と呼ばれる新しいモデルに依存しない説明可能なAIフレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-06T18:43:10Z) - 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) - Evaluation of Interpretability for Deep Learning algorithms in EEG
Emotion Recognition: A case study in Autism [4.752074022068791]
説明可能な人工知能(XAI)に関する現在のモデルでは、特徴関連性を測定するための信頼性の欠如が明らかで定量化されている。
この研究は、脳波に基づく顔の感情認識を成功させるために、より透明な特徴関連計算を統合する最初のものである。
論文 参考訳(メタデータ) (2021-11-25T18:28:29Z) - DecGAN: Decoupling Generative Adversarial Network detecting abnormal
neural circuits for Alzheimer's disease [29.30199956567813]
アルツハイマー病(AD)の神経回路異常を検出するために,新たに生成する対向神経回路(DecGAN)が提案されている。
実験により,ADの異なる段階における異常な神経回路を効果的に検出できることが示唆された。
論文 参考訳(メタデータ) (2021-10-12T03:05:01Z) - 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) - Unsupervised Domain Adaptation for Dysarthric Speech Detection via
Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。
DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。
実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
論文 参考訳(メタデータ) (2021-06-18T13:34:36Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳(メタデータ) (2021-05-18T11:37:57Z) - 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) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳(メタデータ) (2020-09-16T15:16:03Z) - 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) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z)
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。