Fugu-MT 論文翻訳(概要): Machine learning applications using diffusion tensor imaging of human brain: A PubMed literature review

論文の概要: Machine learning applications using diffusion tensor imaging of human brain: A PubMed literature review

arxiv url: http://arxiv.org/abs/2012.10517v1
Date: Fri, 18 Dec 2020 21:19:30 GMT
ステータス: 処理完了
システム内更新日: 2021-05-01 18:06:43.673547
Title: Machine learning applications using diffusion tensor imaging of human brain: A PubMed literature review
Title（参考訳）: ヒト脳の拡散テンソルイメージングを用いた機械学習応用:PubMed文献レビュー
Authors: Ashirbani Saha, Pantea Fadaiefard, Jessica E. Rabski, Alireza Sadeghian, and Michael D. Cusimano
Abstract要約: 2010年1月から2019年12月にかけて、ヒト脳、拡散イメージング(DTI)、機械学習(ML)に関連する148の論文を検索しました。研究は、健康なコホート(n = 15)、精神的健康障害(n = 25)、腫瘍(n = 19)、外傷(n = 5)、認知症(n = 24)、発達障害(n = 5)、運動障害(n = 9)、他の神経学的障害(n = 27)、雑多な非神経学的障害(n = 7)、および前述のカテゴリの複数の組み合わせ(n = 12)に焦点を当てた。研究の有意な数(n = 93)
参考スコア（独自算出の注目度）: 1.458216866895703
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We performed a PubMed search to find 148 papers published between January 2010 and December 2019 related to human brain, Diffusion Tensor Imaging (DTI), and Machine Learning (ML). The studies focused on healthy cohorts (n = 15), mental health disorders (n = 25), tumor (n = 19), trauma (n = 5), dementia (n = 24), developmental disorders (n = 5), movement disorders (n = 9), other neurological disorders (n = 27), miscellaneous non-neurological disorders, or without stating the disease of focus (n = 7), and multiple combinations of the aforementioned categories (n = 12). Classification of patients using information from DTI stands out to be the most commonly (n = 114) performed ML application. A significant number (n = 93) of studies used support vector machines (SVM) as the preferred choice of ML model for classification. A significant portion (31/44) of publications in the recent years (2018-2019) continued to use SVM, support vector regression, and random forest which are a part of traditional ML. Though many types of applications across various health conditions (including healthy) were conducted, majority of the studies were based on small cohorts (less than 100) and did not conduct independent/external validation on test sets.
Abstract（参考訳）: われわれは,2010年1月から2019年12月にかけて,人間の脳,拡散テンソルイメージング(DTI),機械学習(ML)に関連する148論文のPubMed検索を行った。健康なコホート(n = 15)、精神健康障害(n = 25)、腫瘍(n = 19)、外傷(n = 5)、認知症(n = 24)、発達障害(n = 5)、運動障害(n = 9)、他の神経障害(n = 27)、雑多な非神経障害(n = 7)、フォーカス病(n = 7)、および前述のカテゴリの複数の組み合わせ(n = 12)に焦点を当てた。 DTIの情報を用いた患者の分類は、最も一般的な(n = 114)MLアプリケーションであることが示されている。研究のかなりの数 (n = 93) は、サポートベクトルマシン (SVM) を分類のためのMLモデルの選択として用いた。近年の出版物(2018-2019)のかなりの部分(31/44)は、SVMを使い続け、ベクトル回帰をサポートし、従来のMLの一部であるランダムフォレストをサポートした。様々な健康状態(健康状態を含む)にまたがる多くの応用が実施されたが、研究の大部分は100未満の小さなコホートに基づいており、テストセットに対する独立・外部検証は行わなかった。

関連論文リスト

Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Analysing race and sex bias in brain age prediction [18.68533487971233]
本稿では,サブグループ性能解析と特徴検査を行うことにより,一般的なResNet-34モデルを解析する。その結果,黒,白,黒,アジア,男女の予測性能に統計的に有意な差が認められた。
論文参考訳（メタデータ） (2023-09-19T14:40:19Z)
Adapting Machine Learning Diagnostic Models to New Populations Using a Small Amount of Data: Results from Clinical Neuroscience [21.420302408947194]
我々は、ソースグループからのデータを最適に組み合わせ、ターゲットグループで予測する、重み付き経験的リスク最小化手法を開発した。本研究では,アルツハイマー病の診断と脳年齢推定のためのMLモデルを構築するため,20の神経画像研究から15,363人のマルチソースデータに適用した。
論文参考訳（メタデータ） (2023-08-06T18:05:39Z)
Natural Language Processing in Electronic Health Records in Relation to Healthcare Decision-making: A Systematic Review [2.555168694997103]
自然言語処理は電子健康記録から臨床知見を抽出するために広く用いられている。注釈付きデータや自動化ツール、その他の課題の欠如は、EHRに対するNLPのフル活用を妨げる。機械学習(ML)、ディープラーニング(DL)、NLP技術を研究し、この分野の限界と機会を包括的に理解するために比較した。
論文参考訳（メタデータ） (2023-06-22T12:10:41Z)
Predicting Brain Age using Transferable coVariance Neural Networks [119.45320143101381]
我々は最近,サンプル共分散行列で動作する共分散ニューラルネットワーク(VNN)について検討した。本稿では,大脳皮質厚みデータを用いた脳年齢推定におけるVNNの有用性を示す。以上の結果から、VNNは脳年齢推定のためのマルチスケールおよびマルチサイト転送性を示すことが明らかとなった。アルツハイマー病(AD)の脳年齢の文脈では,健常者に対してVNNを用いて予測される脳年齢がADに対して有意に上昇していることから,VNNの出力は解釈可能であることが示された。
論文参考訳（メタデータ） (2022-10-28T18:58:34Z)
Accelerated functional brain aging in major depressive disorder: evidence from a large scale fMRI analysis of Chinese participants [8.184714897613166]
大うつ病 (Major depressive disorder, MDD) は、脳萎縮と死亡との関連について集中的に研究されている、最も一般的な精神疾患の1つである。近年の研究では、予測年齢と時系列年齢のずれが、MDDを特徴づける加速脳老化の指標となることが示されている。ここでは、中国の複数のコホート参加者から収集された大規模な静止状態fMRIデータセットであるREST-meta-MDDを利用する。
論文参考訳（メタデータ） (2022-05-08T09:26:46Z)
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)
Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A review [0.0]
本稿では、新型コロナウイルス(COVID-19)対策における機械学習(ML)と深層学習(DL)技術の適用について、体系的に検討する。 AI、COVID-19、ML、予測、DL、X線、CT(Computed Tomography)のキーワードに基づいて、440記事の全文レビューを行った。
論文参考訳（メタデータ） (2021-10-28T06:17:50Z)
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)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
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。