論文の概要: Machine Learning Applications on Neuroimaging for Diagnosis and Prognosis of Epilepsy: A Review

• arxiv url: http://arxiv.org/abs/2102.03336v1
• Date: Fri, 5 Feb 2021 18:39:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-08 22:08:53.590605
• Title: Machine Learning Applications on Neuroimaging for Diagnosis and Prognosis of Epilepsy: A Review
• Title（参考訳）: てんかんの診断と予後のためのニューロイメージングの機械学習応用
• Authors: Jie Yuan, Xuming Ran, Keyin Liu, Chen Yao, Yi Yao, Haiyan Wu, Quanying Liu
• Abstract要約: てんかんの診断と予後の文脈におけるニューロイメージングと機械学習の相互作用を強調した。 本稿では,2段階構成法とエンドツーエンド法という2つの手法を用いて,ニューロイメージングデータに機械学習手法を適用する。 セグメンテーション、ローカライゼーション、横方向化タスクなど、てんかん性画像における機械学習タスクの詳細なレビューを行う。
• 参考スコア（独自算出の注目度）: 6.185653026582807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning is playing an increasing important role in medical image analysis, spawning new advances in neuroimaging clinical applications. However, previous work and reviews were mainly focused on the electrophysiological signals like EEG or SEEG; the potential of neuroimaging in epilepsy research has been largely overlooked despite of its wide use in clinical practices. In this review, we highlight the interactions between neuroimaging and machine learning in the context of the epilepsy diagnosis and prognosis. We firstly outline typical neuroimaging modalities used in epilepsy clinics, \textit{e.g} MRI, DTI, fMRI and PET. We then introduce two approaches to apply machine learning methods to neuroimaging data: the two-step compositional approach which combines feature engineering and machine learning classifier, and the end-to-end approach which is usually toward deep learning. Later a detailed review on the machine learning tasks on epileptic images is presented, such as segmentation, localization and lateralization tasks, as well as the tasks directly related to the diagnosis and prognosis. In the end, we discuss current achievements, challenges, potential future directions in the field, with the hope to pave a way to computer-aided diagnosis and prognosis of epilepsy.
• Abstract（参考訳）: 機械学習は、医療画像解析において重要な役割を担い、ニューロイメージング臨床応用の新たな進歩を生み出している。 しかし、これまでの研究とレビューは主に脳波やseegなどの電気生理学的信号に焦点を当てており、てんかん研究における神経画像化の可能性はほとんど見過ごされてきた。 本稿では,てんかん診断と予後の文脈において,神経画像と機械学習の相互作用を強調する。 まず, てんかんクリニック, textit{e.g} MRI, DTI, fMRI, PETで使用される典型的な神経画像モダリティについて概説する。 次に,ニューロイメージングデータに機械学習手法を適用するための2つのアプローチについて紹介する。特徴工学と機械学習分類器を組み合わせた2段階合成アプローチと,通常ディープラーニングに向けたエンドツーエンドアプローチである。 後に、セグメント化、局在化および側方化タスク、および診断および予後に直接関連するタスクなどのてんかん画像上の機械学習タスクに関する詳細なレビューが提示されます。 最後に, てんかんの診断と予後をコンピュータ支援する方法の確立を願って, この分野における現在の業績, 課題, 今後の方向性について論じる。

関連論文リスト

• BrainNet: Epileptic Wave Detection from SEEG with Hierarchical Graph Diffusion Learning [21.689503325383253]
  実世界のSEEGデータセットにおけるてんかん性波を検出するための,最初のデータ駆動型研究を提案する。 臨床的には、てんかん波の活動は脳の異なる領域間で伝播していると考えられている。 各患者に対して正確なてんかん原性ネットワークをどうやって抽出するかという問題は、神経科学の分野では未解決の問題のままである。
  論文  参考訳（メタデータ） (2023-06-15T08:29:10Z)
• Promises and pitfalls of deep neural networks in neuroimaging-based psychiatric research [0.9449650062296824]
  ディープニューラルネットワーク、特に畳み込みニューラルネットワークは、医療画像の強力なツールへと進化してきた。 ここでは、まず、方法論的鍵概念と結果の方法論的約束について紹介する。 神経画像に基づく精神医学研究における最近の応用を振り返り、現在の課題について論じる。
  論文  参考訳（メタデータ） (2023-01-20T12:05:59Z)
• Computational Pathology for Brain Disorders [0.0]
  この章は、脳障害のコンテキスト内でスライド画像全体を分析するために使用される最先端の機械学習技術を理解することに焦点を当てている。 我々は、識別的アプローチと脳障害に対する品質結果を提供する、注目すべき機械学習アルゴリズムの選択的セットを提案する。
  論文  参考訳（メタデータ） (2023-01-13T14:09:02Z)
• AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
  本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。 我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。 我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
  論文  参考訳（メタデータ） (2022-10-21T16:31:46Z)
• A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
  脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。 エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。 我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
  論文  参考訳（メタデータ） (2022-06-17T10:17:24Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• Exploring and Distilling Posterior and Prior Knowledge for Radiology Report Generation [55.00308939833555]
  PPKEDには、Posterior Knowledge Explorer (PoKE), Prior Knowledge Explorer (PrKE), Multi-domain Knowledge Distiller (MKD)の3つのモジュールが含まれている。 PoKEは後部知識を探求し、視覚データのバイアスを軽減するために明確な異常な視覚領域を提供する。 PrKEは、以前の医学知識グラフ(医学知識)と以前の放射線学レポート(作業経験)から以前の知識を探り、テキストデータのバイアスを軽減する。
  論文  参考訳（メタデータ） (2021-06-13T11:10:02Z)
• Applications of Epileptic Seizures Detection in Neuroimaging Modalities Using Deep Learning Techniques: Methods, Challenges, and Future Works [12.393282115173387]
  てんかん発作は、世界中の多くの人々に影響を及ぼす神経疾患の一種である。 専門医や神経学者は、様々な種類のてんかん発作を診断するために、構造的および機能的な神経画像モダリティを利用する。 てんかん発作の正確かつ迅速な診断を早める1つの方法は、人工知能(AI)と機能的および構造的ニューロイメージングモダリティに基づくコンピュータ支援診断システム(CADS)を採用することである。
  論文  参考訳（メタデータ） (2021-05-29T12:00:39Z)
• Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• Review of Machine Learning Algorithms for Brain Stroke Diagnosis and Prognosis by EEG Analysis [50.591267188664666]
  ストローク(Strokes)は、アメリカ合衆国の成人障害の主要な原因である。 脳-コンピュータインタフェース(Brain-Computer Interfaces、BCI)は、患者の神経経路の回復または電子補綴器との効果的なコミュニケーションを支援する。 さまざまな機械学習技術とアルゴリズムをBCI技術と組み合わせることで、脳卒中治療にBCIを使うことは、有望で急速に拡大する分野であることを示している。
  論文  参考訳（メタデータ） (2020-08-06T19:50:29Z)
• A Survey on Deep Learning for Neuroimaging-based Brain Disorder Analysis [38.213459556446765]
  深層学習は、最近、構造的磁気共鳴画像(MRI)、機能的MRI、ポジトロン放射断層撮影(PET)などの神経画像の解析に使われている。 本稿では、ニューロイメージングに基づく脳障害解析におけるディープラーニング手法の適用について概説する。
  論文  参考訳（メタデータ） (2020-05-10T04:20:50Z)

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。