論文の概要: Disentangling brain heterogeneity via semi-supervised deep-learning and
MRI: dimensional representations of Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2102.12582v1
- Date: Wed, 24 Feb 2021 22:09:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-26 13:37:11.399192
- Title: Disentangling brain heterogeneity via semi-supervised deep-learning and
MRI: dimensional representations of Alzheimer's Disease
- Title（参考訳）: 半教師付き深層学習とMRIによる脳の不均一性:アルツハイマー病の次元的表現
- Authors: Zhijian Yang, Ilya M. Nasrallah, Haochang Shou, Junhao Wen, Jimit
Doshi, Mohamad Habes, Guray Erus, Ahmed Abdulkadir, Susan M. Resnick, David
Wolk, Christos Davatzikos
- Abstract要約: Smile-GANは、神経解剖学的不均一性を分解する新しい半監視深層クラスタリング法である。
smile-ganは、p1、正常解剖、最も高い認知能力、p2、軽度/拡散性萎縮、より著明な執行機能障害、p3、中心側頭側頭葉萎縮、記憶障害の相対的増加を含む4つの神経変性パターン/軸索を同定した。
- 参考スコア（独自算出の注目度）: 2.7724592931061016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heterogeneity of brain diseases is a challenge for precision
diagnosis/prognosis. We describe and validate Smile-GAN (SeMI-supervised
cLustEring-Generative Adversarial Network), a novel semi-supervised
deep-clustering method, which dissects neuroanatomical heterogeneity, enabling
identification of disease subtypes via their imaging signatures relative to
controls. When applied to MRIs (2 studies; 2,832 participants; 8,146 scans)
including cognitively normal individuals and those with cognitive impairment
and dementia, Smile-GAN identified 4 neurodegenerative patterns/axes: P1,
normal anatomy and highest cognitive performance; P2, mild/diffuse atrophy and
more prominent executive dysfunction; P3, focal medial temporal atrophy and
relatively greater memory impairment; P4, advanced neurodegeneration. Further
application to longitudinal data revealed two distinct progression pathways:
P1$\rightarrow$P2$\rightarrow$P4 and P1$\rightarrow$P3$\rightarrow$P4. Baseline
expression of these patterns predicted the pathway and rate of future
neurodegeneration. Pattern expression offered better yet complementary
performance in predicting clinical progression, compared to amyloid/tau. These
deep-learning derived biomarkers offer promise for precision diagnostics and
targeted clinical trial recruitment.
- Abstract（参考訳）: 脳疾患の多様性は正確な診断・予後の課題である。
Smile-GAN (SeMI-supervised cLustEring-Generative Adversarial Network) は、神経解剖学的不均一性を解読し、制御に対するイメージングシグネチャを介して疾患サブタイプの同定を可能にする、新しい半監視ディープクラスタリング手法である。
MRI(2つの研究、2,832人の参加者、8,146回のスキャン)に適用した場合、Smile-GANは4つの神経変性パターン(P1、正常解剖学、最高認知能力、P2、軽度/拡散性萎縮症、P3、局所性側頭萎縮症、比較的大きな記憶障害、P4、進行性神経変性)を同定した。
さらに縦断データに適用すると、p1$\rightarrow$p2$\rightarrow$p4 と p1$\rightarrow$p3$\rightarrow$p4 の2つの異なる進行経路が明らかになった。
これらのパターンのベースライン発現は、将来の神経変性経路と速度を予測した。
パターン発現はアミロイド/tauと比較して臨床進展予測に優れたが相補的な効果を示した。
これらのディープラーニング由来バイオマーカーは、精密診断とターゲット臨床試験採用の約束を提供します。
関連論文リスト
- Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。
パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。
進行の段階を特定するために設計されたAIツールは存在しない。
論文 参考訳（メタデータ） (2023-12-28T10:30:54Z) - Beyond the Snapshot: Brain Tokenized Graph Transformer for Longitudinal
Brain Functional Connectome Embedding [4.7719542185589585]
脳機能コネクトーム(FC)をベースとしたグラフニューラルネットワーク(GNN)は、アルツハイマー病(AD)などの神経変性疾患の診断と予後に有用なツールとして登場した。
しかし、これらのモデルは、FC軌跡を特徴付けるのではなく、単一の時点における脳内FC用に調整されている。
本研究は神経変性疾患の診断と予後に応用した,脳内FC軌道埋め込みのための最初の解釈可能な枠組みを提案する。
論文 参考訳（メタデータ） (2023-07-03T08:57:30Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - 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) - Hybrid Representation Learning for Cognitive Diagnosis in Late-Life
Depression Over 5 Years with Structural MRI [17.22102691422104]
晩期うつ病(LLD)は高齢者に多くみられる気分障害であり、認知障害(CI)を伴うことが多い。
我々は,T1重み付きsMRIデータに基づいて,認知診断を5年間にわたって予測するためのハイブリッド表現学習フレームワークを開発した。
我々の知る限り、これはタスク指向および手作りMRIの特徴に基づくLDDの複雑な異種進行を研究する最初の試みの1つである。
論文 参考訳（メタデータ） (2022-12-24T19:53:11Z) - Automatic Classification of Neuromuscular Diseases in Children Using
Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。
激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文 参考訳（メタデータ） (2022-01-27T16:37:19Z) - 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) - 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) - MAGIC: Multi-scale Heterogeneity Analysis and Clustering for Brain
Diseases [3.955454029331185]
マルチスケールクラスタリングを活用することにより,病気の多様性を明らかにする新しい手法MAGICを提案する。
シミュレーションした異種神経解剖学的データを用いてMAGICを検証するとともに、アルツハイマー病(AD)の異種性を探究して臨床応用の可能性を示す。
以上の結果より,大脳皮質大萎縮と大脳皮質大萎縮の2つの亜型は,海馬の微細萎縮と大脳皮質大萎縮の2つからなることが明らかとなった。
論文 参考訳（メタデータ） (2020-07-01T23:42:37Z) - 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。