論文の概要: An Overview on Artificial Intelligence Techniques for Diagnosis of
Schizophrenia Based on Magnetic Resonance Imaging Modalities: Methods,
Challenges, and Future Works
- arxiv url: http://arxiv.org/abs/2103.03081v1
- Date: Wed, 24 Feb 2021 11:12:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:46:59.114672
- Title: An Overview on Artificial Intelligence Techniques for Diagnosis of
Schizophrenia Based on Magnetic Resonance Imaging Modalities: Methods,
Challenges, and Future Works
- Title(参考訳): 磁気共鳴画像モダリティに基づく統合失調症の診断のための人工知能技術の概要:方法,課題,今後の課題
- Authors: Delaram Sadeghi, Afshin Shoeibi, Navid Ghassemi, Parisa Moridian, Ali
Khadem, Roohallah Alizadehsani, Mohammad Teshnehlab, J. Manuel Gorriz, Saeid
Nahavandi
- Abstract要約: 統合失調症(SZ)は、通常、青年期後期または成人期に現れる精神障害である。
これにより、患者の寿命は15年短縮される。
磁気共鳴イメージング(MRI)は、構造的/機能的脳の異常を探索するために用いられる一般的な神経イメージング技術である。
- 参考スコア(独自算出の注目度): 10.769064813142647
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Schizophrenia (SZ) is a mental disorder that typically emerges in late
adolescence or early adulthood. It reduces the life expectancy of patients by
15 years. Abnormal behavior, perception of emotions, social relationships, and
reality perception are among its most significant symptoms. Past studies have
revealed the temporal and anterior lobes of hippocampus regions of brain get
affected by SZ. Also, increased volume of cerebrospinal fluid (CSF) and
decreased volume of white and gray matter can be observed due to this disease.
The magnetic resonance imaging (MRI) is the popular neuroimaging technique used
to explore structural/functional brain abnormalities in SZ disorder owing to
its high spatial resolution. Various artificial intelligence (AI) techniques
have been employed with advanced image/signal processing methods to obtain
accurate diagnosis of SZ. This paper presents a comprehensive overview of
studies conducted on automated diagnosis of SZ using MRI modalities. Main
findings, various challenges, and future works in developing the automated SZ
detection are described in this paper.
- Abstract(参考訳): 統合失調症 (Schizophrenia, SZ) は、青年期後期または成人期に発症する精神疾患である。
これにより、患者の寿命は15年短縮される。
異常な行動、感情の知覚、社会的関係、現実の知覚はその最も重要な症状である。
過去の研究では、脳の海馬の側頭葉と前葉がSZの影響を受けていることが判明した。
また、この疾患により脳脊髄液(csf)の量の増加と白灰白質および灰白質の量の減少が観察できる。
磁気共鳴イメージング(MRI)は、空間分解能が高いSZ障害における構造的・機能的脳の異常を探索するために用いられる一般的な神経イメージング技術である。
様々な人工知能(AI)技術は、SZの正確な診断を得るために高度な画像/信号処理手法を用いている。
本稿では,MRIモダリティを用いたSZ自動診断に関する研究の概要を概説する。
本稿では,SZ自動検出の開発における主な成果,課題,今後の課題について述べる。
関連論文リスト
- Early diagnosis of Alzheimer's disease from MRI images with deep learning model [0.7673339435080445]
アルツハイマー病は世界中で認知症の最も一般的な原因である。
認知症の分類には、医学的履歴レビュー、神経心理学的テスト、MRI(MRI)などのアプローチが含まれる
本稿では,AD画像から重要な特徴を抽出するために,事前学習した畳み込みニューラルネットワークをDEMNET認知ネットワークに適用する。
論文 参考訳(メタデータ) (2024-09-27T15:07:26Z) - Multi-modal Imaging Genomics Transformer: Attentive Integration of Imaging with Genomic Biomarkers for Schizophrenia Classification [14.518894157163627]
統合失調症(SZ)は、様々な認知障害、脳の構造、機能、遺伝的要因の異常を特徴とする重度の脳障害である。
既存の研究は、主にSZ診断のための構造的、機能的MRIなどの画像データに焦点を当てている。
遺伝性SZ形質を同定する可能性にもかかわらず、ゲノム機能の統合にはあまり焦点が当てられていない。
本研究では,SZ関連神経解剖学的・コネクトーム異常を捉えるために,ゲノミクスを構造的・機能的画像データと注意深く統合するマルチモーダルイメージングゲノミクストランス(MIGTrans)を提案する。
論文 参考訳(メタデータ) (2024-07-28T03:54:08Z) - Cas-DiffCom: Cascaded diffusion model for infant longitudinal
super-resolution 3D medical image completion [47.83003164569194]
超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。
Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
論文 参考訳(メタデータ) (2024-02-21T12:54:40Z) - Empowering Precision Medicine: AI-Driven Schizophrenia Diagnosis via EEG
Signals: A Comprehensive Review from 2002-2023 [9.537346116129068]
統合失調症(英: Schizophrenia, SZ)は、認知、感情、行動の変化を特徴とする精神疾患である。
SZの診断には、臨床面接、身体検査、心理的評価、神経画像技術など様々なツールが使用される。
脳波記録は、SZ中の脳機能に関する貴重な洞察を提供する重要な機能的モダリティである。
脳波信号解析は、人工物の存在、長期記録、および複数のチャネルの利用により、神経学者に課題を提起する。
論文 参考訳(メタデータ) (2023-09-14T04:55:34Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳(メタデータ) (2023-09-13T09:22:49Z) - 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) - Machine learning techniques for the Schizophrenia diagnosis: A
comprehensive review and future research directions [6.09361933400665]
統合失調症(英語: Schizophrenia、SCZ)とは、幻覚、妄想、フラットトーク、非組織的思考など、様々な症状を経験する脳疾患である。
長期的には、これは深刻な影響をもたらし、寿命を10年以上短縮する可能性がある。
SCZの早期かつ正確な診断が一般的であり、構造的磁気共鳴画像(sMRI)、機能的MRI(fMRI)、拡散テンソル画像(DTI)、脳電図(EEG)などのモダリティは患者の脳の異常を目撃するのに役立つ。
論文 参考訳(メタデータ) (2023-01-16T19:49:38Z) - 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) - 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) - 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) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳(メタデータ) (2020-03-02T18:20:44Z)
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。