論文の概要: Early Diagnosis of Parkinsons Disease by Analyzing Magnetic Resonance
Imaging Brain Scans and Patient Characteristics
- arxiv url: http://arxiv.org/abs/2201.04631v1
- Date: Wed, 12 Jan 2022 15:51:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-15 04:00:58.704067
- Title: Early Diagnosis of Parkinsons Disease by Analyzing Magnetic Resonance
Imaging Brain Scans and Patient Characteristics
- Title（参考訳）: 磁気共鳴画像脳スキャンによるパーキンソン病の早期診断とその特徴
- Authors: Sabrina Zhu
- Abstract要約: パーキンソン病(英: Parkinsons disease, PD)は、運動能力に影響を及ぼし、震えや剛性などの症状を含む慢性疾患である。
本研究は,パーキンソン・プログレッション・マーカー・イニシアチブ(Parkinson Progressions Markers Initiative)データベースからの症状データとMRIデータを組み合わせて,PD重症度とディープラーニングを正確に診断することを提案する。
症状に基づくモデルは、完全に接続されたディープラーニングニューラルネットワークを統合し、MRIスキャンとハイブリッドモデルは、転送学習に基づく畳み込みニューラルネットワークを統合する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parkinsons disease, PD, is a chronic condition that affects motor skills and
includes symptoms like tremors and rigidity. The current diagnostic procedure
uses patient assessments to evaluate symptoms and sometimes a magnetic
resonance imaging or MRI scan. However, symptom variations cause inaccurate
assessments, and the analysis of MRI scans requires experienced specialists.
This research proposes to accurately diagnose PD severity with deep learning by
combining symptoms data and MRI data from the Parkinsons Progression Markers
Initiative database. A new hybrid model architecture was implemented to fully
utilize both forms of clinical data, and models based on only symptoms and only
MRI scans were also developed. The symptoms based model integrates a fully
connected deep learning neural network, and the MRI scans and hybrid models
integrate transfer learning based convolutional neural networks. Instead of
performing only binary classification, all models diagnose patients into five
severity categories, with stage zero representing healthy patients and stages
four and five representing patients with PD. The symptoms only, MRI scans only,
and hybrid models achieved accuracies of 0.77, 0.68, and 0.94, respectively.
The hybrid model also had high precision and recall scores of 0.94 and 0.95.
Real clinical cases confirm the strong performance of the hybrid, where
patients were classified incorrectly with both other models but correctly by
the hybrid. It is also consistent across the five severity stages, indicating
accurate early detection. This is the first report to combine symptoms data and
MRI scans with a machine learning approach on such a large scale.
- Abstract（参考訳）: パーキンソン病(英: Parkinsons disease, PD)は、運動能力に影響を及ぼし、震えや剛性などの症状を含む慢性疾患である。
現在の診断法では、患者の評価を用いて症状を評価し、時にはMRIやMRIで診断する。
しかし、症状の変化は不正確な評価を引き起こし、MRIスキャンの分析には経験豊富な専門家が必要である。
本研究では,パーキンソン病進行マーカーイニシアチブデータベースの症状データとmriデータを組み合わせて,深層学習によるpd重症度を正確に診断することを提案する。
臨床データの両形態を完全に活用するために新しいハイブリッドモデルアーキテクチャが実装され、症状のみに基づくモデルとMRIスキャンのみに基づくモデルも開発された。
症状に基づくモデルは、完全に接続されたディープラーニングニューラルネットワークを統合し、MRIスキャンとハイブリッドモデルは、転送学習に基づく畳み込みニューラルネットワークを統合する。
2値分類のみを行う代わりに、全てのモデルが患者を5つの重篤なカテゴリーに分類し、ステージ0は健康な患者、ステージ4とステージ5はPDの患者を代表している。
症状のみ、MRIスキャンのみ、ハイブリッドモデルはそれぞれ0.77、0.68、0.94の精度を達成した。
ハイブリッドモデルは精度が高く、リコールスコアは 0.94 と 0.95 であった。
実際の臨床例では、患者は他のモデルと誤って分類されたが、ハイブリッドによって正しく分類された。
また、5つの重症度ステージをまたいで一貫性があり、正確な早期検出を示す。
これは、症状データとMRIスキャンと、このような大規模な機械学習アプローチを組み合わせた最初のレポートである。
関連論文リスト
- Early diagnosis of Alzheimer's disease from MRI images with deep learning model [0.7673339435080445]
アルツハイマー病は世界中で認知症の最も一般的な原因である。
認知症の分類には、医学的履歴レビュー、神経心理学的テスト、MRI(MRI)などのアプローチが含まれる
本稿では,AD画像から重要な特徴を抽出するために,事前学習した畳み込みニューラルネットワークをDEMNET認知ネットワークに適用する。
論文 参考訳（メタデータ） (2024-09-27T15:07:26Z) - Recon-all-clinical: Cortical surface reconstruction and analysis of heterogeneous clinical brain MRI [3.639043225506316]
脳MRIにおける大脳皮質再建, 登録, パーセレーション, 厚さ推定のための新しい手法であるrecon-all-clinicalを紹介した。
提案手法では,ドメインランダム化を訓練した畳み込みニューラルネットワーク(CNN)を組み合わせて,符号付き距離関数の予測を行う。
19,000件以上の臨床検査を含む,複数のデータセットを対象に,再構成全臨床検査を行った。
論文 参考訳（メタデータ） (2024-09-05T19:52:09Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。
パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。
進行の段階を特定するために設計されたAIツールは存在しない。
論文 参考訳（メタデータ） (2023-12-28T10:30:54Z) - Modeling T1 Resting-State MRI Variants Using Convolutional Neural
Networks in Diagnosis of OCD [0.0]
強迫性障害(OCD: Obsessive-compulsive disorder)は、高度に不安定な障害である。
OCDは前頭前皮質とメタボトロピックグルタミン酸受容体5(mGluR5)と共通する
計算モデリング手法はmGluR5を含む過去の仮説の検証手段として用いられた。
論文 参考訳（メタデータ） (2023-06-15T12:02:57Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳（メタデータ） (2022-04-01T22:48:08Z) - Early Disease Stage Characterization in Parkinson's Disease from
Resting-state fMRI Data Using a Long Short-term Memory Network [6.487961959149217]
パーキンソン病(英: Parkinson's disease、PD)は、ホーン病とイェール病の5段階からなる、一般的で複雑な神経変性疾患である。
早期の第1期と第2期を分類し、脳機能の変化を検出することは困難である。
本稿では,PDの初期段階を特徴付けるために,LSTM(Long Short-term memory)ネットワークを提案する。
論文 参考訳（メタデータ） (2022-02-11T18:34:11Z) - Automatic Classification of Neuromuscular Diseases in Children Using
Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。
激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文 参考訳（メタデータ） (2022-01-27T16:37:19Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳（メタデータ） (2021-05-18T11:37:57Z)
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。