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

• Advancing Histopathology with Deep Learning Under Data Scarcity: A Decade in Review [30.91867799522664]
  病理組織学における深層学習の応用について概説する。 われわれは過去10年間にデータ不足によって引き起こされた課題に注目している。 未調査の研究機会を特定します。
  論文  参考訳（メタデータ） (2024-10-18T07:29:48Z)
• 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)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
  本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• 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)
• Quantum Machine Learning in the Cognitive Domain: Alzheimer's Disease Study [0.0]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、神経変性疾患の1つである。 認知障害に影響されるタスクの1つは手書きである。 古典的人工知能(AI)手法の最近の進歩は、手書き解析によるADの検出において有望であることを示している。
  論文  参考訳（メタデータ） (2023-09-15T16:50:57Z)
• 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)
• 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)

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。