論文の概要: Predicting Tau Accumulation in Cerebral Cortex with Multivariate MRI
Morphometry Measurements, Sparse Coding, and Correntropy
- arxiv url: http://arxiv.org/abs/2110.10709v1
- Date: Wed, 20 Oct 2021 18:05:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 18:41:46.819007
- Title: Predicting Tau Accumulation in Cerebral Cortex with Multivariate MRI
Morphometry Measurements, Sparse Coding, and Correntropy
- Title（参考訳）: 多変量MRI形態計測,スパース符号化,コレントロピーによる大脳皮質の Tau 蓄積予測
- Authors: Jianfeng Wu, Wenhui Zhu, Yi Su, Jie Gui, Natasha Lepore, Eric M.
Reiman, Richard J. Caselli, Paul M. Thompson, Kewei Chen, Yalin Wang
- Abstract要約: アルツハイマー病(AD)の徴候の1つは、人間の脳にタウプラークが蓄積されていることである。
タウ病理診断の現在の方法は、侵襲的(腰椎穿刺)か、非常に高価で広く利用できない(タウPET)。
- 参考スコア（独自算出の注目度）: 18.81651314175103
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Biomarker-assisted diagnosis and intervention in Alzheimer's disease (AD) may
be the key to prevention breakthroughs. One of the hallmarks of AD is the
accumulation of tau plaques in the human brain. However, current methods to
detect tau pathology are either invasive (lumbar puncture) or quite costly and
not widely available (Tau PET). In our previous work, structural MRI-based
hippocampal multivariate morphometry statistics (MMS) showed superior
performance as an effective neurodegenerative biomarker for preclinical AD and
Patch Analysis-based Surface Correntropy-induced Sparse coding and max-pooling
(PASCS-MP) has excellent ability to generate low-dimensional representations
with strong statistical power for brain amyloid prediction. In this work, we
apply this framework together with ridge regression models to predict Tau
deposition in Braak12 and Braak34 brain regions separately. We evaluate our
framework on 925 subjects from the Alzheimer's Disease Neuroimaging Initiative
(ADNI). Each subject has one pair consisting of a PET image and MRI scan which
were collected at about the same times. Experimental results suggest that the
representations from our MMS and PASCS-MP have stronger predictive power and
their predicted Braak12 and Braak34 are closer to the real values compared to
the measures derived from other approaches such as hippocampal surface area and
volume, and shape morphometry features based on spherical harmonics (SPHARM).
- Abstract（参考訳）: バイオマーカーによるアルツハイマー病(AD)の診断と治療がブレークスルー予防の鍵となる可能性がある。
ADの目印の1つは、ヒト脳におけるタウプラークの蓄積である。
しかし、現在のタウ病検出法は、侵襲的(腰椎穿刺)か、非常に高価で広く利用できない(タウPET)。
前回の研究で, 構造的MRIを用いた海馬多変量解析(MMS)は, 脳アミロイド予測のための強力な統計力を持つ低次元表現を生成する能力に優れ, 表面コレントロピー誘発スパース符号化(PASCS-MP)に有効な神経変性バイオマーカーとして優れた性能を示した。
本研究では,尾根回帰モデルを用いて,Braak12とBraak34の脳領域におけるTau沈着を別々に予測する。
アルツハイマー病の神経画像化イニシアチブ (adni) から得られた925名について検討した。
各被験者は、ほぼ同時に収集されたPET画像とMRIスキャンからなる1対のペアを持つ。
実験結果から,我々のmmsとpass-mpからの表現はより強い予測力を有し,予測されたbraak12とbraak34は海馬表面積や容積といった他の手法による測定値よりも実際の値に近いこと,球面高調波(spharm)に基づく形状モーフォメトリーの特徴が示唆された。
関連論文リスト
- Disentangling Hippocampal Shape Variations: A Study of Neurological Disorders Using Mesh Variational Autoencoder with Contrastive Learning [3.978057697592975]
教師付きコントラスト学習により強化されたメッシュ変分オートエンコーダ(VAE)を利用する。
本研究の目的は,年齢と疾患の有無に応じた2つの異なる潜伏変数を分離することにより,解釈可能性を向上させることである。
本研究は,MS集団の年齢層別における神経疾患と海馬形状の変化との関係についての貴重な知見を提供する。
論文 参考訳（メタデータ） (2024-03-31T20:08:23Z) - Prediction of brain tumor recurrence location based on multi-modal
fusion and nonlinear correlation learning [55.789874096142285]
深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。
まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。
次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。
2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
論文 参考訳（メタデータ） (2023-04-11T02:45:38Z) - A Surface-Based Federated Chow Test Model for Integrating APOE Status,
Tau Deposition Measure, and Hippocampal Surface Morphometry [18.36168858563601]
アルツハイマー病(英: Alzheimer's Disease、AD)は、認知症で最も一般的な疾患であり、CDCのデータによると65歳以上の6200万人に影響を及ぼす。
有効なAD診断バイオマーカーの発見は、公衆衛生上の大きな利益をもたらす可能性があると一般的に合意されている。
論文 参考訳（メタデータ） (2023-03-31T21:17:54Z) - 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) - An automated, geometry-based method for hippocampal shape and thickness
analysis [0.0]
海馬形状の変化は複雑であり、海馬容積のような単一の要約測度で完全に特徴付けることはできない。
本研究では,海馬の厚みや曲率などの形状特徴の展開,ポイントワイド対応,局所解析のための幾何学的自動的アプローチを提案する。
論文 参考訳（メタデータ） (2023-02-01T16:46:46Z) - Improved Prediction of Beta-Amyloid and Tau Burden Using Hippocampal
Surface Multivariate Morphometry Statistics and Sparse Coding [0.0]
我々はアミロイドとタウの測定を定量的に予測する非侵襲的なフレームワークを開発した。
アルツハイマー病神経画像イニシアチブ(ADNI)におけるアミロイドPET/MRIとタウPET/MRIデータセットの枠組みについて検討した。
論文 参考訳（メタデータ） (2022-10-28T03:39:55Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳（メタデータ） (2022-03-20T21:00:10Z) - Multi-Scale Input Strategies for Medulloblastoma Tumor Classification
using Deep Transfer Learning [59.30734371401316]
乳腺芽腫は小児で最も多い悪性脳腫瘍である。
CNNはMBサブタイプ分類に有望な結果を示した。
タイルサイズと入力戦略の影響について検討した。
論文 参考訳（メタデータ） (2021-09-14T09:42:37Z) - Improving 3D convolutional neural network comprehensibility via
interactive visualization of relevance maps: Evaluation in Alzheimer's
disease [0.8031935951075242]
畳み込みニューラルネットワーク(CNN)は、磁気共鳴イメージング(MRI)スキャンに基づいてアルツハイマー病(AD)認知症を検出する高い診断精度を実現します。
この理由の1つは、モデル理解性の欠如である。
より精度の高いモデルは、事前知識によって事前に定義された差別的脳領域にも依存するかどうかを検討した。
論文 参考訳（メタデータ） (2020-12-18T15:16:50Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳（メタデータ） (2020-08-29T11:50:37Z) - 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。