論文の概要: Multidimensional representations in late-life depression: convergence in
neuroimaging, cognition, clinical symptomatology and genetics
- arxiv url: http://arxiv.org/abs/2110.11347v1
- Date: Wed, 20 Oct 2021 22:43:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-25 15:25:32.807879
- Title: Multidimensional representations in late-life depression: convergence in
neuroimaging, cognition, clinical symptomatology and genetics
- Title（参考訳）: 晩期のうつ病における多次元表現 : 神経画像,認知,臨床症状学,遺伝学の収束
- Authors: Junhao Wen, Cynthia H.Y. Fu, Duygu Tosun, Yogasudha Veturi, Zhijian
Yang, Ahmed Abdulkadir, Elizabeth Mamourian, Dhivya Srinivasan, Jingxuan Bao,
Guray Erus, Haochang Shou, Mohamad Habes, Jimit Doshi, Erdem Varol, Scott R
Mackin, Aristeidis Sotiras, Yong Fan, Andrew J. Saykin, Yvette I. Sheline, Li
Shen, Marylyn D. Ritchie, David A. Wolk, Marilyn Albert, Susan M. Resnick,
Christos Davatzikos
- Abstract要約: 晩期うつ病 (LLD) は, 臨床症状に有意な異質性を特徴とする。
神経解剖学,認知機能学,臨床症状学,遺伝子プロファイルに関連のあるLDDにおける疾患関連不均一性について検討した。
- 参考スコア（独自算出の注目度）: 6.843625143095651
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Late-life depression (LLD) is characterized by considerable heterogeneity in
clinical manifestation. Unraveling such heterogeneity would aid in elucidating
etiological mechanisms and pave the road to precision and individualized
medicine. We sought to delineate, cross-sectionally and longitudinally,
disease-related heterogeneity in LLD linked to neuroanatomy, cognitive
functioning, clinical symptomatology, and genetic profiles. Multimodal data
from a multicentre sample (N=996) were analyzed. A semi-supervised clustering
method (HYDRA) was applied to regional grey matter (GM) brain volumes to derive
dimensional representations. Two dimensions were identified, which accounted
for the LLD-related heterogeneity in voxel-wise GM maps, white matter (WM)
fractional anisotropy (FA), neurocognitive functioning, clinical phenotype, and
genetics. Dimension one (Dim1) demonstrated relatively preserved brain anatomy
without WM disruptions relative to healthy controls. In contrast, dimension two
(Dim2) showed widespread brain atrophy and WM integrity disruptions, along with
cognitive impairment and higher depression severity. Moreover, one de novo
independent genetic variant (rs13120336) was significantly associated with Dim
1 but not with Dim 2. Notably, the two dimensions demonstrated significant
SNP-based heritability of 18-27% within the general population (N=12,518 in
UKBB). Lastly, in a subset of individuals having longitudinal measurements,
Dim2 demonstrated a more rapid longitudinal decrease in GM and brain age, and
was more likely to progress to Alzheimers disease, compared to Dim1 (N=1,413
participants and 7,225 scans from ADNI, BLSA, and BIOCARD datasets).
- Abstract（参考訳）: 晩期うつ病 (LLD) は臨床症状の多様性に特徴がある。
このような異質性を明らかにすることは、エチオロジーのメカニズムを解明し、精度と個別化医療への道を開くのに役立つだろう。
神経解剖学,認知機能学,臨床症状学,遺伝子プロファイルに関連のあるLDDにおける疾患関連不均一性について検討した。
マルチセンタサンプル (n=996) からのマルチモーダルデータを解析した。
半教師付きクラスタリング法 (HYDRA) を局所灰白質脳容積に適用し, 次元表現の導出を行った。
2つの次元を同定し, voxel-wise GM map, ホワイトマター (WM) fractional anisotropy (FA), 神経認知機能, 臨床表現型, 遺伝学におけるLDD関連不均一性を検討した。
次元1(Dim1)は健常者に対するWM破壊を伴わない比較的保存された脳解剖を示した。
一方,次元2(Dim2)では認知障害やうつ病の重症度が高く,脳萎縮とWM整合性障害がみられた。
さらに、1つのデノボ独立遺伝子変異体(rs13120336)はDim 1と大きく関連していたが、Dim 2には関連しなかった。
特に,SNPによる遺伝率は一般個体群で18～27%(UKBBではN=12,518)であった。
最後に、縦断的測定を持つ個人のサブセットでは、Dim2はGMと脳年齢のより速い経時的減少を示し、Dim1(N=1,413人、ADNI、BLSA、BIOCARDの7,225人)と比較してアルツハイマー病に進行する可能性が高かった。
関連論文リスト
- Genetic InfoMax: Exploring Mutual Information Maximization in
High-Dimensional Imaging Genetics Studies [50.11449968854487]
遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。
画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。
本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
論文 参考訳（メタデータ） (2023-09-26T03:59:21Z) - 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) - Gene-SGAN: a method for discovering disease subtypes with imaging and
genetic signatures via multi-view weakly-supervised deep clustering [6.79528256151419]
Gene-SGANは、マルチビュー、弱教師付きディープクラスタリング手法である。
表現型および遺伝的データを共同で検討することで、病気の不均一性を識別する。
ジーン-SGANは、疾患のサブタイプやエンドフェノタイプ発見に広く応用されている。
論文 参考訳（メタデータ） (2023-01-25T10:08:30Z) - Disentangling Alzheimer's disease neurodegeneration from typical brain
aging using machine learning [2.388738275105558]
神経イメージングバイオマーカーは、典型的な脳老化とアルツハイマー病(AD)を区別する
我々はこの2つを解消するための方法論を提示する。
遠絡SPAREモデルは2種類の脳変化に特異的な脳パターンを導出した。
論文 参考訳（メタデータ） (2021-09-08T15:33:29Z) - Longitudinal Correlation Analysis for Decoding Multi-Modal Brain
Development [17.970347089803596]
縦相関解析(LCA)という解析手法を提案する。
LCAは、まず各モーダルからの入力をオートエンコーダに基づく潜在表現に還元することで、2つのモーダルのデータを結合する。
若年者におけるアルコール・神経発達に関する全国コンソーシアム679名の縦断的T1強調および拡散強調MRI解析にLCAを適用した。
論文 参考訳（メタデータ） (2021-07-10T00:07:06Z) - Disentangling brain heterogeneity via semi-supervised deep-learning and
MRI: dimensional representations of Alzheimer's Disease [2.7724592931061016]
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。
論文 参考訳（メタデータ） (2021-02-24T22:09:16Z) - 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) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳（メタデータ） (2020-02-06T17:25:37Z)
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。