論文の概要: Investigating Conversion from Mild Cognitive Impairment to Alzheimer's
Disease using Latent Space Manipulation
- arxiv url: http://arxiv.org/abs/2111.08794v2
- Date: Sun, 20 Aug 2023 19:40:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 03:25:37.039304
- Title: Investigating Conversion from Mild Cognitive Impairment to Alzheimer's
Disease using Latent Space Manipulation
- Title（参考訳）: 潜在空間操作を用いた軽度認知障害からアルツハイマー病への転換の検討
- Authors: Deniz Sezin Ayvaz and Inci M. Baytas
- Abstract要約: 本稿では、MCIからアルツハイマー病への変換の識別子である変数を発見するためのディープラーニングフレームワークを提案する。
特に、MCIおよびアルツハイマー病患者で訓練された変分自己エンコーダネットワークの潜時空間を操作し、重要な特性を得る。
生成型デコーダとアルツハイマー病の診断に繋がる寸法を利用して、データセット中のMCI患者から合成認知症患者を生成する。
- 参考スコア（独自算出の注目度）: 0.23931689873603598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Alzheimer's disease is the most common cause of dementia that affects
millions of lives worldwide. Investigating the underlying causes and risk
factors of Alzheimer's disease is essential to prevent its progression. Mild
Cognitive Impairment (MCI) is considered an intermediate stage before
Alzheimer's disease. Early prediction of the conversion from the MCI to
Alzheimer's is crucial to take necessary precautions for decelerating the
progression and developing suitable treatments. In this study, we propose a
deep learning framework to discover the variables which are identifiers of the
conversion from MCI to Alzheimer's disease. In particular, the latent space of
a variational auto-encoder network trained with the MCI and Alzheimer's
patients is manipulated to obtain the significant attributes and decipher their
behavior that leads to the conversion from MCI to Alzheimer's disease. By
utilizing a generative decoder and the dimensions that lead to the Alzheimer's
diagnosis, we generate synthetic dementia patients from MCI patients in the
dataset. Experimental results show promising quantitative and qualitative
results on one of the most extensive and commonly used Alzheimer's disease
neuroimaging datasets in literature.
- Abstract（参考訳）: アルツハイマー病は世界中で何百万もの生命に影響を及ぼす認知症の最も一般的な原因である。
アルツハイマー病の根本原因とリスク要因を調べることは、その進行を防ぐために不可欠である。
軽度認知障害(MCI)はアルツハイマー病の中間段階と考えられている。
MCIからアルツハイマー病への転換の早期予測は、進行を減速させ適切な治療法を開発するために必要な予防措置をとることが重要である。
本研究では,mciからアルツハイマー病への変換の識別子である変数を発見するための深層学習フレームワークを提案する。
特に、MCIおよびアルツハイマー病患者で訓練された変異型オートエンコーダネットワークの潜時空間を操作し、MCIからアルツハイマー病への転換につながる重要な属性を取得し、それらの振る舞いを解読する。
生成型デコーダとアルツハイマー病の診断に繋がる寸法を利用して、データセット中のMCI患者から合成認知症患者を生成する。
実験の結果,最も広く用いられているアルツハイマー病の神経画像データセットの1つについて,有望な定量的および質的な結果が得られた。
関連論文リスト
- AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - Augmented Risk Prediction for the Onset of Alzheimer's Disease from Electronic Health Records with Large Language Models [42.676566166835585]
アルツハイマー病(英語: Alzheimer's disease、AD)は、65歳以上のアメリカ人で5番目に多い死因である。
大規模言語モデル(LLM)の最近の進歩は、リスク予測の強化に強い可能性を秘めている。
本稿では,LSMの少数ショット推論能力を活用することでリスク予測を向上する新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-05-26T03:05:10Z) - Introducing an ensemble method for the early detection of Alzheimer's disease through the analysis of PET scan images [0.8192907805418583]
本研究は、アルツハイマー病を制御正常(CN)、進行性軽度認知障害(pMCI)、安定性軽度認知障害(sMCI)、アルツハイマー病(AD)の4つのグループに分類する難しい課題について考察する。
いくつかのディープラーニングモデルと伝統的な機械学習モデルがアルツハイマー病の検出に使われている。
その結果、深層学習モデルを用いてMCI患者間の差異を判断すると、全体の平均精度は93.13%、AUCは94.4%となることがわかった。
論文 参考訳（メタデータ） (2024-03-17T16:12:50Z) - Automatic Detection of Alzheimer's Disease with Multi-Modal Fusion of
Clinical MRI Scans [8.684668542584701]
1500万人のアメリカ人が2060年までに臨床ADまたは軽度認知障害を発症する。
我々は2種類の脳MRIで疾患のステージを予測することを目的としている。
我々は、T1とFLAIRのMRIスキャンから相補的な情報の相乗効果を学習するAlexNetベースのディープラーニングモデルを設計する。
論文 参考訳（メタデータ） (2023-11-30T04:32:28Z) - Early Detection of Alzheimer's Disease using Bottleneck Transformers [1.14219428942199]
本稿では,アルツハイマー病の早期発見のために,自己注意型ボトルネックトランスフォーマーのアンサンブルを用いた新しいアプローチを提案する。
提案手法は広く受け入れられているADNIデータセット上でテストされ、精度、精度、リコール、F1スコア、ROC-AUCスコアをパフォーマンス指標として評価している。
論文 参考訳（メタデータ） (2023-05-01T16:17:52Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳（メタデータ） (2023-03-14T16:03:28Z) - A Convolutional-based Model for Early Prediction of Alzheimer's based on
the Dementia Stage in the MRI Brain Images [0.0]
アルツハイマー病は、現在治療法を持っていないが、早期に診断することは、病気の重症度を減らすのに役立つ。
本稿では,磁気共鳴画像(MRI)画像から成人の認知症のステージを決定するために,深層畳み込みニューラルネットワークを用いた学習モデルを提案する。
論文 参考訳（メタデータ） (2023-02-02T21:10:31Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳（メタデータ） (2022-04-29T19:27:06Z) - Preclinical Stage Alzheimer's Disease Detection Using Magnetic Resonance
Image Scans [10.120835953459247]
アルツハイマー病(英語: Alzheimer's disease)は、高齢者に老化を伴わない病気の一つ。
早期にアルツハイマー病を検出することが重要である。
論文 参考訳（メタデータ） (2020-11-28T14:25:30Z) - Multimodal Inductive Transfer Learning for Detection of Alzheimer's
Dementia and its Severity [39.57255380551913]
本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。
時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。
本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
論文 参考訳（メタデータ） (2020-08-30T21:47:26Z) - 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)
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。