Fugu-MT 論文翻訳(概要): Toward a multimodal multitask model for neurodegenerative diseases diagnosis and progression prediction

論文の概要: Toward a multimodal multitask model for neurodegenerative diseases diagnosis and progression prediction

arxiv url: http://arxiv.org/abs/2110.09309v1
Date: Sun, 10 Oct 2021 11:44:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-11 21:20:04.643228
Title: Toward a multimodal multitask model for neurodegenerative diseases diagnosis and progression prediction
Title（参考訳）: 神経変性疾患の診断と進行予測のためのマルチモーダルマルチタスクモデルの開発
Authors: Sofia Lahrichi and Maryem Rhanoui and Mounia Mikram and Bouchra El Asri
Abstract要約: 本稿では、アルツハイマー病の予測に使用されるモデルの様々なカテゴリを、それぞれの学習手法で概説する。それは、アルツハイマー病の進行を早期に予測し、検出する比較研究を確立している。最後に,ロバストかつ高精度な検出モデルを提案する。
参考スコア（独自算出の注目度）: 0.5735035463793008
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Recent studies on modelling the progression of Alzheimer's disease use a single modality for their predictions while ignoring the time dimension. However, the nature of patient data is heterogeneous and time dependent which requires models that value these factors in order to achieve a reliable diagnosis, as well as making it possible to track and detect changes in the progression of patients' condition at an early stage. This article overviews various categories of models used for Alzheimer's disease prediction with their respective learning methods, by establishing a comparative study of early prediction and detection Alzheimer's disease progression. Finally, a robust and precise detection model is proposed.
Abstract（参考訳）: アルツハイマー病の進行をモデル化する最近の研究は、時間次元を無視しながら予測に単一のモダリティを用いる。しかし、患者データの性質は不均一で時間依存であり、信頼性の高い診断を実現するためにこれらの因子を価値づけるモデルが必要であり、患者の状態の変化を早期に追跡し検出することができる。本稿では,アルツハイマー病の進行を早期に予測・検出する手法を確立させることにより,アルツハイマー病の予測に使用する様々なモデルの分類を,それぞれの学習手法で概説する。最後に,ロバストかつ高精度な検出モデルを提案する。

関連論文リスト

Addressing the Gaps in Early Dementia Detection: A Path Towards Enhanced Diagnostic Models through Machine Learning [0.0]
この急激な世界的な高齢化傾向は、アルツハイマー病を含む認知症患者の増加につながっている。認知テスト、ニューロイメージング、バイオマーカー分析といった従来の診断技術は、感度、アクセシビリティ、コストに重大な制限に直面している。本研究は、早期認知症検出を促進するための変革的アプローチとして、機械学習(ML)の可能性を探るものである。
論文参考訳（メタデータ） (2024-09-05T00:52:59Z)
Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文参考訳（メタデータ） (2024-07-28T02:42:36Z)
A Comparative Analysis on Metaheuristic Algorithms Based Vision Transformer Model for Early Detection of Alzheimer's Disease [0.7673339435080445]
神経変性疾患を脅かす多くの生命は、特に高齢者の生活の質を低下させた。認知症は、早期に検出されない場合、アルツハイマー病と呼ばれる重篤な症状を引き起こす可能性がある。本稿では, 異なる段階で認知症を特定するために, 革新的メタヒューリスティックアルゴリズムに基づくViTモデルを提案する。
論文参考訳（メタデータ） (2024-01-18T08:31:38Z)
Learning Spatio-Temporal Model of Disease Progression with NeuralODEs from Longitudinal Volumetric Data [4.998875488622879]
我々は,1つの医療スキャンを処理し,加齢関連疾患の進化をモデル化する深層学習手法を開発した。ジオグラフィック・アトロフィーの場合,提案手法はアトロフィ成長予測において,関連するベースラインモデルよりも優れていた。アルツハイマー病に対して, 提案法は, 疾患によって引き起こされる脳の心室変化を予測する上で, 顕著な性能を示した。
論文参考訳（メタデータ） (2022-11-08T13:28:26Z)
Mixture of Input-Output Hidden Markov Models for Heterogeneous Disease Progression Modeling [11.768140291216769]
本稿では,多発性疾患の進行動態を検出する階層型時系列モデルを提案する。本稿では,パーキンソン病に対する合成データセットと実世界縦断データセットを用いたモデルの有用性について述べる。
論文参考訳（メタデータ） (2022-07-24T23:17:06Z)
Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文参考訳（メタデータ） (2020-12-24T05:19:03Z)
An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。我々はイタリアとフランスの疫病の進化を予報する。
論文参考訳（メタデータ） (2020-10-28T10:58:59Z)
Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文参考訳（メタデータ） (2020-10-13T15:20:21Z)
Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2020-09-25T01:50:15Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-06T08:08:00Z)

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。