論文の概要: A Review of Artificial Intelligence Technologies for Early Prediction of
Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2101.01781v1
- Date: Tue, 22 Dec 2020 01:05:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 04:22:51.848172
- Title: A Review of Artificial Intelligence Technologies for Early Prediction of
Alzheimer's Disease
- Title(参考訳): アルツハイマー病早期予測のための人工知能技術の検討
- Authors: Kuo Yang, Emad A. Mohammed
- Abstract要約: アルツハイマー病(英: Alzheimer's Disease、AD)は、記憶と脳機能を破壊する重度の脳疾患である。
早期認知症の信頼性と効果的な評価は, 医用画像技術やコンピュータ支援アルゴリズムに欠かせない研究となっている。
- 参考スコア(独自算出の注目度): 1.1650381752104297
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Alzheimer's Disease (AD) is a severe brain disorder, destroying memories and
brain functions. AD causes chronically, progressively, and irreversibly
cognitive declination and brain damages. The reliable and effective evaluation
of early dementia has become essential research with medical imaging
technologies and computer-aided algorithms. This trend has moved to modern
Artificial Intelligence (AI) technologies motivated by deeplearning success in
image classification and natural language processing. The purpose of this
review is to provide an overview of the latest research involving deep-learning
algorithms in evaluating the process of dementia, diagnosing the early stage of
AD, and discussing an outlook for this research. This review introduces various
applications of modern AI algorithms in AD diagnosis, including Convolutional
Neural Network (CNN), Recurrent Neural Network (RNN), Automatic Image
Segmentation, Autoencoder, Graph CNN (GCN), Ensemble Learning, and Transfer
Learning. The advantages and disadvantages of the proposed methods and their
performance are discussed. The conclusion section summarizes the primary
contributions and medical imaging preprocessing techniques applied in the
reviewed research. Finally, we discuss the limitations and future outlooks.
- Abstract(参考訳): アルツハイマー病(英: Alzheimer's Disease、AD)は、記憶と脳機能を破壊する重度の脳疾患である。
ADは慢性的に、進行的に、そして不可逆的に認知の低下と脳の損傷を引き起こす。
早期認知症の信頼性と効果的な評価は, 医用画像技術やコンピュータ支援アルゴリズムに欠かせない研究となっている。
この傾向は、画像分類と自然言語処理におけるディープラーニングの成功を動機とする現代の人工知能(ai)技術に移っている。
本研究の目的は,認知症診断におけるディープラーニングアルゴリズムに関する最新の研究の概要,adの初期段階の診断,および本研究の展望について考察することである。
本稿では、畳み込みニューラルネットワーク(cnn)、リカレントニューラルネットワーク(rnn)、自動画像セグメンテーション、オートエンコーダ、グラフcnn(gcn)、アンサンブル学習、転送学習など、ad診断における現代のaiアルゴリズムのさまざまな応用を紹介する。
提案手法の利点と欠点とその性能について論じる。
結論は、レビュー研究に応用された主な貢献と医用画像前処理技術についてまとめたものである。
最後に,限界と今後の展望について論じる。
関連論文リスト
- Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Neural Architecture Search with Multimodal Fusion Methods for Diagnosing
Dementia [14.783829037950984]
アルツハイマー型認知症を認知するための機械学習手法と併用した自然発話の活用が話題となっている。
CNNアーキテクチャを見つけるのは時間を要するプロセスであり、専門知識を必要とする。
マルチモーダル因子化バイリニアポーリングやタッカー分解などの融合手法を用いて、音声とテキストの両モードを合成する。
論文 参考訳(メタデータ) (2023-02-12T11:25:29Z) - The Past, Current, and Future of Neonatal Intensive Care Units with
Artificial Intelligence [1.1136100002577292]
機械学習とディープラーニングは、コンピュータにどんなデータからでも学習し、意思決定するように教える。
ディープラーニングは、コンピュータビジョンから健康科学まで、ほぼあらゆる分野で革命的であることが証明されている。
ニューナトロジー応用のための機械学習とディープラーニングベースのソリューションを最近開発した。
論文 参考訳(メタデータ) (2023-02-01T04:07:11Z) - Deep Grading based on Collective Artificial Intelligence for AD
Diagnosis and Prognosis [0.0]
アルツハイマー病の診断と予後を自動化するための新しい枠組みを提案する。
フレームワークは2つの段階から構成される。第1段階では,意味のある特徴を抽出するための深い階調モデルを提案する。
第2段階では、ADシグネチャをよりよくキャプチャするために、グラフ畳み込みニューラルネットワークを使用します。
論文 参考訳(メタデータ) (2022-11-28T09:59:08Z) - Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on
Neuro-Symbolic Computing [66.91310801654548]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文 参考訳(メタデータ) (2022-10-28T04:38:10Z) - Automated detection of Alzheimer disease using MRI images and deep
neural networks- A review [0.0]
アルツハイマー病の早期発見は、介入の展開と疾患進行の鈍化に不可欠である。
機械学習とディープラーニングのアルゴリズムは、アルツハイマーの自動検出の構築を目的として、過去10年間に数多く研究されてきた。
論文 参考訳(メタデータ) (2022-09-22T19:28:59Z) - Tutorial on the development of AI models for medical image analysis [0.0]
コンピュータを使って医療スキャンを読むというアイデアは1966年に初めて導入された。
2012年のAlexnetのブレークスルーは、このトピックに新たな関心を喚起した。
いくつかの病気やモダリティが成功したにもかかわらず、多くの課題が残っている。
論文 参考訳(メタデータ) (2022-07-14T11:21:19Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳(メタデータ) (2022-05-25T20:16:05Z) - Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。
本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。
NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-05-25T12:41:59Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳(メタデータ) (2022-05-02T18:00:10Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳(メタデータ) (2020-05-04T13:24:00Z)
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。