論文の概要: Comparison of single and multitask learning for predicting cognitive
decline based on MRI data
- arxiv url: http://arxiv.org/abs/2109.10266v1
- Date: Tue, 21 Sep 2021 15:46:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-22 14:27:45.405414
- Title: Comparison of single and multitask learning for predicting cognitive
decline based on MRI data
- Title(参考訳): MRIデータに基づく認知低下予測のためのシングルタスク学習とマルチタスク学習の比較
- Authors: Vandad Imani, Mithilesh Prakash, Marzieh Zare and Jussi Tohka
- Abstract要約: アルツハイマー病評価尺度(英: Alzheimer's Disease Assessment Scale-Cognitive subscale、ADAS-Cog)は、神経心理学のツールである。
ADAS-Cogスコアの変化の予測は、認知症および無リスク集団のタイミング治療介入に役立つ可能性がある。
予測モデルを学習するための推奨方法は、単一タスク正規化線形回帰である。
- 参考スコア(独自算出の注目度): 0.41998444721319217
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Alzheimer's Disease Assessment Scale-Cognitive subscale (ADAS-Cog) is a
neuropsychological tool that has been designed to assess the severity of
cognitive symptoms of dementia. Personalized prediction of the changes in
ADAS-Cog scores could help in timing therapeutic interventions in dementia and
at-risk populations. In the present work, we compared single and multitask
learning approaches to predict the changes in ADAS-Cog scores based on
T1-weighted anatomical magnetic resonance imaging (MRI). In contrast to most
machine learning-based prediction methods ADAS-Cog changes, we stratified the
subjects based on their baseline diagnoses and evaluated the prediction
performances in each group. Our experiments indicated a positive relationship
between the predicted and observed ADAS-Cog score changes in each diagnostic
group, suggesting that T1-weighted MRI has a predictive value for evaluating
cognitive decline in the entire AD continuum. We further studied whether
correction of the differences in the magnetic field strength of MRI would
improve the ADAS-Cog score prediction. The partial least square-based domain
adaptation slightly improved the prediction performance, but the improvement
was marginal. In summary, this study demonstrated that ADAS-Cog change could
be, to some extent, predicted based on anatomical MRI. Based on this study, the
recommended method for learning the predictive models is a single-task
regularized linear regression due to its simplicity and good performance. It
appears important to combine the training data across all subject groups for
the most effective predictive models.
- Abstract(参考訳): アルツハイマー病評価尺度(英: Alzheimer's Disease Assessment Scale-Cognitive subscale、ADAS-Cog)は、認知症の重症度を評価するために設計された神経心理学ツールである。
パーソナライズされたADAS-Cogスコアの変化の予測は、認知症および無リスク集団のタイミング治療介入に役立つ可能性がある。
本研究では,T1強調MRIによるADAS-Cogスコアの変化を予測するために,単タスクとマルチタスクの学習手法を比較した。
機械学習に基づく予測手法であるADAS-Cogが変化するのとは対照的に,基本診断に基づいて対象を階層化し,各群における予測性能を評価した。
実験の結果,各診断群におけるADAS-Cogスコアの変化の予測値と有意な相関が認められ,T1強調MRIはAD連続体全体の認知低下を評価するための予測値を有することが示された。
さらに,MRIの磁場強度差の補正がADAS-Cogスコア予測を改善するかを検討した。
部分最小の正方形領域適応は予測性能をわずかに改善したが、改善は小さかった。
以上より,ADAS-Cogの変化は解剖学的MRIである程度予測できる可能性が示唆された。
本研究により,予測モデル学習の推奨方法は,その単純さと優れた性能から,単タスク正規化線形回帰である。
もっとも効果的な予測モデルのために、すべての被験者グループにトレーニングデータを組み合わせることが重要である。
関連論文リスト
- Fusion of Diffusion Weighted MRI and Clinical Data for Predicting
Functional Outcome after Acute Ischemic Stroke with Deep Contrastive Learning [1.4149937986822438]
ストロークは、25歳以上の成人の約4分の1に影響する一般的な神経疾患である。
AUCでは0.87,0.80,80.45%,F1スコアでは80.45%,精度では0。
論文 参考訳(メタデータ) (2024-02-16T18:51:42Z) - MPRE: Multi-perspective Patient Representation Extractor for Disease
Prediction [3.914545513460964]
疾患予測のための多視点患者表現エクストラクタ(MPRE)を提案する。
具体的には、動的特徴の傾向と変動情報を抽出する周波数変換モジュール(FTM)を提案する。
2D Multi-Extraction Network (2D MEN) において、傾向と変動に基づいて2次元時間テンソルを形成する。
また,FODAM(First-Order difference Attention Mechanism)も提案する。
論文 参考訳(メタデータ) (2024-01-01T13:52:05Z) - A Quantitatively Interpretable Model for Alzheimer's Disease Prediction
Using Deep Counterfactuals [9.063447605302219]
われわれのフレームワークは脳の各領域に対してAD関連指数'を生成する。
アルツハイマー病(AD)の進行に関して、個々の患者や患者グループに対する直感的な脳状態の理解を提供する。
論文 参考訳(メタデータ) (2023-10-05T10:55:10Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - A Novel Supervised Contrastive Regression Framework for Prediction of
Neurocognitive Measures Using Multi-Site Harmonized Diffusion MRI
Tractography [13.80649748804573]
Supervised Contrastive Regression (SCR)は、回帰タスクにおけるコントラスト学習の完全な監視を可能にする、シンプルで効果的な方法である。
SCRは、連続回帰ラベルの絶対差を用いて教師付きコントラスト表現学習を行う。
SCRは、他の最先端手法と比較して、神経認知的スコア予測の精度を向上する。
論文 参考訳(メタデータ) (2022-10-13T23:24:12Z) - Learning Personal Representations from fMRIby Predicting Neurofeedback
Performance [52.77024349608834]
機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。
この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
論文 参考訳(メタデータ) (2021-12-06T10:16:54Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳(メタデータ) (2021-04-07T06:02:04Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳(メタデータ) (2021-01-13T03:20:20Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳(メタデータ) (2020-10-08T15:30:17Z) - Predicting Rate of Cognitive Decline at Baseline Using a Deep Neural
Network with Multidata Analysis [8.118172725250805]
本研究では,軽度認知障害患者の認知低下率を予測する機械学習システムについて検討した。
我々は3次元畳み込みニューラルネットワークを用いた教師付きハイブリッドニューラルネットワークに基づく予測モデルを構築した。
論文 参考訳(メタデータ) (2020-02-24T01:39:17Z)
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。