論文の概要: Ten years of image analysis and machine learning competitions in
dementia
- arxiv url: http://arxiv.org/abs/2112.07922v1
- Date: Wed, 15 Dec 2021 06:57:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-16 23:33:49.469894
- Title: Ten years of image analysis and machine learning competitions in
dementia
- Title(参考訳): 認知症における画像解析と機械学習競技の10年
- Authors: Esther E. Bron, Stefan Klein, Annika Reinke, Janne M. Papma, Lena
Maier-Hein, Daniel C. Alexander, Neil P. Oxtoby
- Abstract要約: MIRIAD, Alzheimer's Disease Big Data DREAM, CADDementia, Machine Learning Challenge, MCI Neuroimaging, TADPOLE, そして予測分析コンペティション。
研究の質問やデータセット、検証のアプローチ、結果、影響について、これらの大きな課題がどのように補完されているのかを分析しました。
臨床問題やタスク,パフォーマンス指標にはほとんど重複がなかった。幅広い質問に対する洞察を提供するというメリットがある一方で,課題を越えた結果の検証も制限されている。
- 参考スコア(独自算出の注目度): 5.072348652654899
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning methods exploiting multi-parametric biomarkers, especially
based on neuroimaging, have huge potential to improve early diagnosis of
dementia and to predict which individuals are at-risk of developing dementia.
To benchmark algorithms in the field of machine learning and neuroimaging in
dementia and assess their potential for use in clinical practice and clinical
trials, seven grand challenges have been organized in the last decade: MIRIAD,
Alzheimer's Disease Big Data DREAM, CADDementia, Machine Learning Challenge,
MCI Neuroimaging, TADPOLE, and the Predictive Analytics Competition. Based on
two challenge evaluation frameworks, we analyzed how these grand challenges are
complementing each other regarding research questions, datasets, validation
approaches, results and impact. The seven grand challenges addressed questions
related to screening, diagnosis, prediction and monitoring in (pre-clinical)
dementia. There was little overlap in clinical questions, tasks and performance
metrics. Whereas this has the advantage of providing insight on a broad range
of questions, it also limits the validation of results across challenges. In
general, winning algorithms performed rigorous data pre-processing and combined
a wide range of input features. Despite high state-of-the-art performances,
most of the methods evaluated by the challenges are not clinically used. To
increase impact, future challenges could pay more attention to statistical
analysis of which factors (i.e., features, models) relate to higher
performance, to clinical questions beyond Alzheimer's disease, and to using
testing data beyond the Alzheimer's Disease Neuroimaging Initiative. Given the
potential and lessons learned in the past ten years, we are excited by the
prospects of grand challenges in machine learning and neuroimaging for the next
ten years and beyond.
- Abstract(参考訳): マルチパラメトリックバイオマーカー、特にニューロイメージングに基づく機械学習手法は、認知症の早期診断を改善し、どの個人が認知症を発症するリスクがあるかを予測する大きな可能性を秘めている。
認知症における機械学習とニューロイメージングの分野のアルゴリズムをベンチマークし、臨床と臨床試験での使用可能性を評価するために、過去10年間に7つの大きな課題が組織された: ミリアド、アルツハイマー病ビッグデータドリーム、キャデメンティア、機械学習チャレンジ、mciニューロイメージング、タッドポール、予測分析コンペティション。
2つのチャレンジ評価フレームワークに基づいて、研究課題、データセット、検証アプローチ、結果、影響について、これらの大きな課題がどのように相互補完しているかを分析した。
7つの大きな課題は, 認知症のスクリーニング, 診断, 予測, モニタリングに関連する問題に対処した。
臨床質問やタスク,パフォーマンス指標にはほとんど重複がなかった。
幅広い質問に対する洞察を提供するという利点がある一方で、課題を越えた結果の検証も制限されている。
一般に、入賞アルゴリズムは厳密なデータ前処理を行い、幅広い入力特徴を組み合わせた。
最先端のパフォーマンスにもかかわらず、課題によって評価された手法のほとんどは臨床的に使われていない。
影響を高めるために、将来の課題は、高いパフォーマンスに関連する要因(すなわち特徴、モデル)の統計分析、アルツハイマー病以外の臨床問題、アルツハイマー病の神経画像化イニシアチブを超えてテストデータを使用することにより多くの注意を払うことができる。
過去10年間に学んだ可能性と教訓を考えると、今後10年間にわたる機械学習とニューロイメージングにおける大きな課題の展望にワクワクしています。
関連論文リスト
- Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。
アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
論文 参考訳(メタデータ) (2024-02-13T15:43:30Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳(メタデータ) (2023-05-25T16:29:16Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳(メタデータ) (2022-11-07T17:20:39Z) - Acoustic-Linguistic Features for Modeling Neurological Task Score in
Alzheimer's [1.290382979353427]
自然言語処理と機械学習はアルツハイマー病を確実に検出するための有望な技術を提供する。
我々は,10種類の線形回帰モデルの性能を比較し,比較した。
与えられたタスクに対して,手作りの言語的特徴は音響的特徴や学習的特徴よりも重要であることがわかった。
論文 参考訳(メタデータ) (2022-09-13T15:35:31Z) - Machine learning for modeling the progression of Alzheimer disease
dementia using clinical data: a systematic literature review [2.8136734847819773]
アルツハイマー病(英語: Alzheimer disease, AD)は、認知障害を特徴とする認知失調症である。
我々は2010年1月1日から2020年5月31日まで,PubMed, Scopus, ScienceDirect, IEEE Explore Digital Library, Association for Computing Machinery Digital Library, arXivで論文を検索した。
我々は、事前定義された基準を用いて、関連する項目を選択し、データ特性、計算アルゴリズム、研究焦点などのML分析の重要な要素に従ってそれらを要約した。
論文 参考訳(メタデータ) (2021-08-05T04:38:47Z) - Predicting Early Indicators of Cognitive Decline from Verbal Utterances [2.387625146176821]
認知症 (Dementia) は、記憶障害、コミュニケーション障害、思考過程を引き起こす、不可逆的、慢性的、進歩的な神経変性疾患のグループである。
神経心理学試験における発話の言語的特徴を用いて,高齢者コントロールグループ,MCI,アルツハイマー病(AD)とADの鑑別が可能かを検討した。
以上の結果から, 高齢者の言語発話, MCI, AD, ADの区別が, 文脈的, 心理言語学的特徴の組合せによって改善されることが示唆された。
論文 参考訳(メタデータ) (2020-11-19T02:24:11Z) - 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) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳(メタデータ) (2020-09-16T15:16:03Z) - Application of Machine Learning to Predict the Risk of Alzheimer's
Disease: An Accurate and Practical Solution for Early Diagnostics [1.1470070927586016]
アルツハイマー病(AD)は500万人以上のアメリカ人の認知能力を悪化させ、医療システムに多大な負担をかけている。
本稿では,医療画像のない,臨床訪問や検査の少ないAD開発のための機械学習予測モデルを提案する。
本モデルは,2つの顕著な研究結果から,人口統計,バイオマーカー,認知テストデータを用いて訓練し,検証した。
論文 参考訳(メタデータ) (2020-06-02T14:52:51Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。