論文の概要: Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais

• arxiv url: http://arxiv.org/abs/2112.12609v1
• Date: Thu, 23 Dec 2021 14:51:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-24 16:30:43.976210
• Title: Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais
• Title（参考訳）: Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais
• Authors: Victor H. R. Oliveira, Augusto Antunes, Alexandre S. Soares, Arthur D. Reys, Robson Z. J\'unior, Saulo D. S. Pedro, Danilo Silva
• Abstract要約: 磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。 バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。 最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
• 参考スコア（独自算出の注目度）: 57.52103125083341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, deep learning techniques for brain age prediction from magnetic resonance images are investigated, aiming to assist in the identification of biomarkers of the natural aging process. The identification of biomarkers is useful for detecting an early-stage neurodegenerative process, as well as for predicting age-related or non-age-related cognitive decline. Two techniques are implemented and compared in this work: a 3D Convolutional Neural Network applied to the volumetric image and a 2D Convolutional Neural Network applied to slices from the axial plane, with subsequent fusion of individual predictions. The best result was obtained by the 2D model, which achieved a mean absolute error of 3.83 years. -- Neste trabalho s\~ao investigadas t\'ecnicas de aprendizado profundo para a predi\c{c}\~ao da idade cerebral a partir de imagens de resson\^ancia magn\'etica, visando auxiliar na identifica\c{c}\~ao de biomarcadores do processo natural de envelhecimento. A identifica\c{c}\~ao de biomarcadores \'e \'util para a detec\c{c}\~ao de um processo neurodegenerativo em est\'agio inicial, al\'em de possibilitar prever um decl\'inio cognitivo relacionado ou n\~ao \`a idade. Duas t\'ecnicas s\~ao implementadas e comparadas neste trabalho: uma Rede Neural Convolucional 3D aplicada na imagem volum\'etrica e uma Rede Neural Convolucional 2D aplicada a fatias do plano axial, com posterior fus\~ao das predi\c{c}\~oes individuais. O melhor resultado foi obtido pelo modelo 2D, que alcan\c{c}ou um erro m\'edio absoluto de 3.83 anos.
• Abstract（参考訳）: 本研究では,自然老化過程における生体マーカーの同定を支援するため,磁気共鳴画像からの脳年齢予測のための深層学習手法について検討した。 バイオマーカーの同定は、早期の神経変性過程の検出や、年齢関連または非年齢関連認知低下の予測に有用である。 体積画像に適用した3次元畳み込みニューラルネットワークと、軸方向からのスライスに適用された2次元畳み込みニューラルネットワークと、それに続く個々の予測の融合である。 最良の結果は2dモデルによって得られ、平均絶対誤差は3.83年であった。 -neste trabalho s\~ao investigadas t\'ecnicas de aprendizado profundo para a predi\c{c}\~ao da idade brain a partir de imagens de resson\^ancia magn\'etica, visando auxiliar na identifica\c{c}\~ao de biomarcadores do processo natural de envelhecimento a identifica\c{c}\~ao de biomarcadores \'e \'util para a detec\c{c}\~ao de um processo neurodegenerativo em est\'agio inicial, al\'em de possibilitar prever um decl\'inio cognitivo relacionado ou n\~ao \`a idade Duas t\'ecnicas s\~ao implementadas e comparadas neste trabalho: uma Rede Neural Convolucional 3D aplicada na imagem volum\'etrica e uma Rede Neural Convolucional 2D aplicada a fatias do Plano axial, com later fus\~ao das predi\c{c}\~oes individuais。 o melhor resultado foi obtido pelo modelo 2d, que alcan\c{c}ou um erro m\'edio absoluto de 3.83 anos

関連論文リスト

• A Deep Learning Approach for Brain Tumor Classification and Segmentation Using a Multiscale Convolutional Neural Network [0.0]
  本稿では,Deep Convolutional Neural Networkを用いた完全自動脳腫瘍分割分類モデルを提案する。 腫瘍の分類精度は0.973で, 同一のデータベースを用いた他の手法よりも高い値を示した。
  論文  参考訳（メタデータ） (2024-02-04T17:47:03Z)
• Triamese-ViT: A 3D-Aware Method for Robust Brain Age Estimation from MRIs [0.7770029179741429]
  本稿では,脳年齢推定のためのViTモデルの革新的適応であるTriamese-ViTを紹介する。 1351のMRIスキャンでテストした結果、Triamese-ViTは平均絶対誤差(MAE)が3.84、スピアマン相関係数が0.9、スピアマン相関係数が-0.29である。
  論文  参考訳（メタデータ） (2024-01-13T03:29:56Z)
• Infant Brain Age Classification: 2D CNN Outperforms 3D CNN in Small Dataset [0.14063138455565613]
  乳児の脳磁気共鳴画像(MRI)は、ミエリン化以外の特定の発達パターンを示す。 標準化された基準がなければ、3歳前のMRIから脳の構造的成熟度を視覚的に推定することは、サーバ間およびサーバ内変動によって支配される。 我々は、この課題に取り組むための一般的な実現可能性と、2次元および3次元畳み込みニューラルネットワーク(CNN)を含む様々なアプローチの有用性について検討する。 中央軸厚スラブ上に2次元CNNを用いて0.90[95% CI:0.86-0.94]の精度を達成した。
  論文  参考訳（メタデータ） (2021-12-27T18:02:48Z)
• Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
  本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。 予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。 本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
  論文  参考訳（メタデータ） (2021-08-11T18:08:09Z)
• Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
  T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。 686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
  論文  参考訳（メタデータ） (2021-06-06T07:11:25Z)
• 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
  脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。 本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。 本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
  論文  参考訳（メタデータ） (2021-04-04T20:30:14Z)
• Predicting brain-age from raw T 1 -weighted Magnetic Resonance Imaging data using 3D Convolutional Neural Networks [0.45077088620792216]
  脳の磁気共鳴イメージング(MRI)データに基づく年齢予測は、脳疾患や老化の進行を定量化するバイオマーカーである。 現在のアプローチでは、voxelを標準化された脳アトラスに登録するなど、複数の前処理ステップでデータを準備する。 ここでは、ResNetアーキテクチャに基づく3D Convolutional Neural Network(CNN)について、未登録のT1重み付きMRIデータに基づいてトレーニングします。
  論文  参考訳（メタデータ） (2021-03-22T09:48:34Z)
• Neurodevelopmental Age Estimation of Infants Using a 3D-Convolutional Neural Network Model based on Fusion MRI Sequences [0.08341869765517104]
  脳が正常に発達しているかどうかを判断する能力は、小児神経放射線学と神経学の重要な要素である。 3次元畳み込みニューラルネットワーク(3D CNN)を用いて,脳の発達年齢を共通MRIを用いて迅速に分類した。
  論文  参考訳（メタデータ） (2020-10-07T01:24:15Z)
• 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)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。