論文の概要: Automatic Diagnosis of Schizophrenia and Attention Deficit Hyperactivity
Disorder in rs-fMRI Modality using Convolutional Autoencoder Model and
Interval Type-2 Fuzzy Regression
- arxiv url: http://arxiv.org/abs/2205.15858v1
- Date: Tue, 31 May 2022 15:07:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-01 14:49:52.769839
- Title: Automatic Diagnosis of Schizophrenia and Attention Deficit Hyperactivity
Disorder in rs-fMRI Modality using Convolutional Autoencoder Model and
Interval Type-2 Fuzzy Regression
- Title（参考訳）: Convolutional Autoencoder ModelとInterval Type-2 Fuzzy Regressionを用いたRS-fMRIモダリティにおける統合失調症と注意欠陥高活動障害の自動診断
- Authors: Afshin Shoeibi, Navid Ghassemi, Marjane Khodatars, Parisa Moridian,
Abbas Khosravi, Assef Zare, Juan M. Gorriz, Amir Hossein Chale-Chale, Ali
Khadem, U. Rajendra Acharya
- Abstract要約: 本稿では,新しいディープラーニング(DL)法を用いた静止状態fMRI(rs-fMRI)のSZおよびADHDインテリジェント検出法を提案する。
SZおよびADHD患者のrs-fMRIモダリティを含むUCLAデータセットが実験に使用されている。
- 参考スコア（独自算出の注目度）: 10.735837620134964
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Nowadays, many people worldwide suffer from brain disorders, and their health
is in danger. So far, numerous methods have been proposed for the diagnosis of
Schizophrenia (SZ) and attention deficit hyperactivity disorder (ADHD), among
which functional magnetic resonance imaging (fMRI) modalities are known as a
popular method among physicians. This paper presents an SZ and ADHD intelligent
detection method of resting-state fMRI (rs-fMRI) modality using a new deep
learning (DL) method. The University of California Los Angeles (UCLA) dataset,
which contains the rs-fMRI modalities of SZ and ADHD patients, has been used
for experiments. The FMRIB software library (FSL) toolbox first performed
preprocessing on rs-fMRI data. Then, a convolutional Autoencoder (CNN-AE) model
with the proposed number of layers is used to extract features from rs-fMRI
data. In the classification step, a new fuzzy method called interval type-2
fuzzy regression (IT2FR) is introduced and then optimized by genetic algorithm
(GA), particle swarm optimization (PSO), and gray wolf optimization (GWO)
techniques. Also, the results of IT2FR methods are compared with multilayer
perceptron (MLP), k-nearest neighbors (KNN), support vector machine (SVM),
random forest (RF), decision tree (DT), and adaptive neuro-fuzzy inference
system (ANFIS) methods. The experiment results show that the IT2FR method with
the GWO optimization algorithm has achieved satisfactory results compared to
other classifier methods. Finally, the proposed classification technique was
able to provide 72.71% accuracy.
- Abstract（参考訳）: 現在、世界中の多くの人々が脳疾患に苦しんでおり、その健康が危ぶまれている。
統合失調症 (sz) と注意欠陥多動性障害 (adhd) の診断には, これまで数多くの方法が提案されてきた。
本稿では,新しいディープラーニング(DL)法を用いた静止状態fMRI(rs-fMRI)のSZおよびADHDインテリジェント検出法を提案する。
カリフォルニア大学ロサンゼルス校(ucla)のデータセットは、sz患者とadhd患者のrs-fmriモダリティを含んでおり、実験に使われている。
FMRIBソフトウェアライブラリ(FSL)ツールボックスは、rs-fMRIデータで最初に前処理を行った。
次に,提案するレイヤ数を持つ畳み込みオートエンコーダ(CNN-AE)モデルを用いて,rs-fMRIデータから特徴を抽出する。
分類段階において、間隔型2ファジィ回帰(IT2FR)と呼ばれる新しいファジィ手法を導入し、遺伝的アルゴリズム(GA)、粒子群最適化(PSO)、灰色のオオカミ最適化(GWO)技術を用いて最適化する。
また、IT2FR法の結果を、多層パーセプトロン(MLP)、k-nearest neighbors(KNN)、サポートベクターマシン(SVM)、ランダムフォレスト(RF)、決定木(DT)、適応型ニューロファジィ推論システム(ANFIS)と比較した。
実験の結果, GWO最適化アルゴリズムを用いたIT2FR法は, 他の分類法と比較して良好な結果を得た。
最後に,提案手法により72.71%の精度が得られた。
関連論文リスト
- MindFormer: Semantic Alignment of Multi-Subject fMRI for Brain Decoding [50.55024115943266]
本稿では,MindFormer を用いたマルチオブジェクト fMRI 信号のセマンティックアライメント手法を提案する。
このモデルは、fMRIから画像生成のための安定拡散モデルや、fMRIからテキスト生成のための大規模言語モデル(LLM)の条件付けに使用できるfMRI条件付き特徴ベクトルを生成するように設計されている。
実験の結果,MindFormerは意味的に一貫した画像とテキストを異なる主題にわたって生成することがわかった。
論文 参考訳（メタデータ） (2024-05-28T00:36:25Z) - NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - An Explainable Deep Learning-Based Method For Schizophrenia Diagnosis Using Generative Data-Augmentation [0.3222802562733786]
脳波記録を用いた統合失調症の自動診断にディープラーニングを用いた手法を応用した。
このアプローチは、診断の精度を高める強力な手法である生成データ拡張を利用する。
論文 参考訳（メタデータ） (2023-10-25T12:55:16Z) - DreaMR: Diffusion-driven Counterfactual Explanation for Functional MRI [0.0]
拡散駆動型逆ファクト法であるDreaMRを導入し,高い特異性,妥当性,忠実度でfMRIの解釈を可能にする。
DreaMRは、入力fMRIサンプルの拡散に基づく再サンプリングを行い、下流分類器の決定を変更し、説明のために元のサンプルと反現実的なサンプルの最小差を計算する。
ニューロイメージングデータセットに関する総合的な実験は、fMRIの解釈のための最先端のカウンターファクト法よりも、サンプル生成におけるDreaMRの特異性、忠実性、効率性が優れていることを示した。
論文 参考訳（メタデータ） (2023-07-18T18:46:07Z) - SF2Former: Amyotrophic Lateral Sclerosis Identification From
Multi-center MRI Data Using Spatial and Frequency Fusion Transformer [3.408266725482757]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、運動ニューロン変性を伴う複雑な神経変性疾患である。
ディープラーニングは、コンピュータビジョンにおける機械学習プログラムの傑出したクラスになった。
本研究では、視覚変換器アーキテクチャのパワーを活用してALS対象と制御群を区別するフレームワークであるSF2Formerを紹介する。
論文 参考訳（メタデータ） (2023-02-21T18:16:20Z) - Lightweight 3D Convolutional Neural Network for Schizophrenia diagnosis
using MRI Images and Ensemble Bagging Classifier [1.487444917213389]
本稿では,MRI画像を用いた統合失調症診断のための軽量3次元畳み込みニューラルネットワーク(CNN)フレームワークを提案する。
精度は92.22%、感度94.44%、特異度90%、精度90.43%、リコール94.44%、F1スコア92.39%、G平均92.19%である。
論文 参考訳（メタデータ） (2022-11-05T10:27:37Z) - Hierarchical Graph Convolutional Network Built by Multiscale Atlases for
Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。
まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。
そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文 参考訳（メタデータ） (2022-09-22T04:17:57Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - Computational Intelligence Approach to Improve the Classification
Accuracy of Brain Neoplasm in MRI Data [8.980876474818153]
本報告では、MRIデータにおける脳新生検出の2つの改善について述べる。
MRIデータにおける関心領域を改善するための高度な前処理技術を提案する。
特徴抽出にCNN、分類にSVM(Support Vector Machine)を使用したハイブリッド技術も提案されている。
論文 参考訳（メタデータ） (2021-01-24T06:45:26Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。