論文の概要: Preclinical Stage Alzheimer's Disease Detection Using Magnetic Resonance Image Scans

• arxiv url: http://arxiv.org/abs/2011.14139v1
• Date: Sat, 28 Nov 2020 14:25:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 19:57:00.692596
• Title: Preclinical Stage Alzheimer's Disease Detection Using Magnetic Resonance Image Scans
• Title（参考訳）: 磁気共鳴画像を用いた前臨床段階アルツハイマー病の検出
• Authors: Fatih Altay, Guillermo Ramon Sanchez, Yanli James, Stephen V. Faraone, Senem Velipasalar, Asif Salekin
• Abstract要約: アルツハイマー病(英語: Alzheimer's disease)は、高齢者に老化を伴わない病気の一つ。 早期にアルツハイマー病を検出することが重要である。
• 参考スコア（独自算出の注目度）: 10.120835953459247
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Alzheimer's disease is one of the diseases that mostly affects older people without being a part of aging. The most common symptoms include problems with communicating and abstract thinking, as well as disorientation. It is important to detect Alzheimer's disease in early stages so that cognitive functioning would be improved by medication and training. In this paper, we propose two attention model networks for detecting Alzheimer's disease from MRI images to help early detection efforts at the preclinical stage. We also compare the performance of these two attention network models with a baseline model. Recently available OASIS-3 Longitudinal Neuroimaging, Clinical, and Cognitive Dataset is used to train, evaluate and compare our models. The novelty of this research resides in the fact that we aim to detect Alzheimer's disease when all the parameters, physical assessments, and clinical data state that the patient is healthy and showing no symptoms
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's disease)は、高齢者に老化を伴わない病気の一つ。 最も一般的な症状は、コミュニケーションや抽象的な思考の問題、意図の欠如などである。 早期にアルツハイマー病を検出することが重要であるため、認知機能の改善は薬物や訓練によって行われる。 本稿では,MRI画像からアルツハイマー病を検出するための2つの注意モデルネットワークを提案する。 また,これら2つの注意ネットワークモデルの性能をベースラインモデルと比較した。 最近利用可能なOASIS-3 経時的神経画像、臨床、認知データセットは、我々のモデルを訓練、評価、比較するために使用される。 この研究の新規性は、すべてのパラメータ、身体的評価、臨床データから、患者が健康で症状のない状態にあるときに、アルツハイマー病を検知することを目的としているという事実にある。

関連論文リスト

• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• Introducing an ensemble method for the early detection of Alzheimer's disease through the analysis of PET scan images [0.8192907805418583]
  本研究は、アルツハイマー病を制御正常(CN)、進行性軽度認知障害(pMCI)、安定性軽度認知障害(sMCI)、アルツハイマー病(AD)の4つのグループに分類する難しい課題について考察する。 いくつかのディープラーニングモデルと伝統的な機械学習モデルがアルツハイマー病の検出に使われている。 その結果、深層学習モデルを用いてMCI患者間の差異を判断すると、全体の平均精度は93.13%、AUCは94.4%となることがわかった。
  論文  参考訳（メタデータ） (2024-03-17T16:12:50Z)
• Vision Transformers and Bi-LSTM for Alzheimer's Disease Diagnosis from 3D MRI [0.0]
  早期に診断された場合、アルツハイマー病(AD)を治療・治療することができる。 本研究では、視覚変換器(ViT)とバイLSTMを用いて、アルツハイマー病の診断のためのMRI画像の処理を提案する。 提案手法は,ADの診断のための精度,精度,Fスコア,リコールの点で良好に機能する。
  論文  参考訳（メタデータ） (2024-01-06T06:11:03Z)
• Automatic Detection of Alzheimer's Disease with Multi-Modal Fusion of Clinical MRI Scans [8.684668542584701]
  1500万人のアメリカ人が2060年までに臨床ADまたは軽度認知障害を発症する。 我々は2種類の脳MRIで疾患のステージを予測することを目的としている。 我々は、T1とFLAIRのMRIスキャンから相補的な情報の相乗効果を学習するAlexNetベースのディープラーニングモデルを設計する。
  論文  参考訳（メタデータ） (2023-11-30T04:32:28Z)
• Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
  ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。 病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。 多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
  論文  参考訳（メタデータ） (2023-02-23T09:22:05Z)
• A Convolutional-based Model for Early Prediction of Alzheimer's based on the Dementia Stage in the MRI Brain Images [0.0]
  アルツハイマー病は、現在治療法を持っていないが、早期に診断することは、病気の重症度を減らすのに役立つ。 本稿では,磁気共鳴画像(MRI)画像から成人の認知症のステージを決定するために,深層畳み込みニューラルネットワークを用いた学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-02T21:10:31Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Predicting Alzheimer's Disease Using 3DMgNet [2.97983501982132]
  3DMgNetはアルツハイマー病(AD)を診断するためのマルチグリッドと畳み込みニューラルネットワークの統合フレームワークである このモデルはADとNCの分類で92.133%の精度を達成し、モデルのパラメータを大幅に削減した。
  論文  参考訳（メタデータ） (2022-01-12T09:08:08Z)
• 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)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• 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。