論文の概要: White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning

• arxiv url: http://arxiv.org/abs/2207.02402v1
• Date: Wed, 6 Jul 2022 02:03:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-07 13:58:26.625563
• Title: White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning
• Title（参考訳）: 白質路は点雲である:神経心理学的スコア予測と幾何学的深層学習による臨界領域の局在
• Authors: Yuqian Chen, Fan Zhang, Chaoyi Zhang, Tengfei Xue, Leo R. Zekelman, Jianzhong He, Yang Song, Nikos Makris, Yogesh Rathi, Alexandra J. Golby, Weidong Cai, Lauren J. O'Donnell
• Abstract要約: ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。 各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
• 参考スコア（独自算出の注目度）: 68.5548609642999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: White matter tract microstructure has been shown to influence neuropsychological scores of cognitive performance. However, prediction of these scores from white matter tract data has not been attempted. In this paper, we propose a deep-learning-based framework for neuropsychological score prediction using microstructure measurements estimated from diffusion magnetic resonance imaging (dMRI) tractography, focusing on predicting performance on a receptive vocabulary assessment task based on a critical fiber tract for language, the arcuate fasciculus (AF). We directly utilize information from all points in a fiber tract, without the need to average data along the fiber as is traditionally required by diffusion MRI tractometry methods. Specifically, we represent the AF as a point cloud with microstructure measurements at each point, enabling adoption of point-based neural networks. We improve prediction performance with the proposed Paired-Siamese Loss that utilizes information about differences between continuous neuropsychological scores. Finally, we propose a Critical Region Localization (CRL) algorithm to localize informative anatomical regions containing points with strong contributions to the prediction results. Our method is evaluated on data from 806 subjects from the Human Connectome Project dataset. Results demonstrate superior neuropsychological score prediction performance compared to baseline methods. We discover that critical regions in the AF are strikingly consistent across subjects, with the highest number of strongly contributing points located in frontal cortical regions (i.e., the rostral middle frontal, pars opercularis, and pars triangularis), which are strongly implicated as critical areas for language processes.
• Abstract（参考訳）: 白質路の微細構造は認知能力の神経心理学的スコアに影響を与えることが示されている。 しかし,ホワイトマタートラクトデータからのこれらのスコアの予測は試みられていない。 本稿では,拡散磁気共鳴画像(dMRI)トラクトグラフィー(DMRI)から推定される微細構造測定を用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。 我々は,従来の拡散MRIトラクトメトリー法で必要とされるような,繊維に沿った平均データを必要としない,繊維のすべての点からの情報を直接活用する。 具体的には、AFを各点における微細構造の測定値を備えた点雲として表現し、点ベースニューラルネットワークの採用を可能にする。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。 最後に,予測結果に強く寄与する点を含む情報的解剖学的領域を局所化するための臨界領域局所化(CRL)アルゴリズムを提案する。 本手法は,ヒトコネクトームプロジェクトデータセットから806名の被験者を対象に評価を行った。 その結果,ベースライン法よりも優れた神経心理学的スコア予測性能を示した。 afの臨界領域は、前頭皮質領域(rostral middle frontal, pars opercularis, pars triangularis)に最も多くの強寄与点が位置しており、言語プロセスにとって重要な領域として強く関与していることが判明した。

関連論文リスト

• A novel open-source ultrasound dataset with deep learning benchmarks for spinal cord injury localization and anatomical segmentation [1.02101998415327]
  ブタ脊髄の矢状切片からなる10,223モード(Bモード)画像の超音波データセットを提案する。 損傷部位をローカライズするために,いくつかの最先端オブジェクト検出アルゴリズムの性能指標をベンチマークした。 ヒトの超音波脊髄画像におけるセグメンテーションモデルのゼロショット一般化能力を評価する。
  論文  参考訳（メタデータ） (2024-09-24T20:22:59Z)
• Integrative Deep Learning Framework for Parkinson's Disease Early Detection using Gait Cycle Data Measured by Wearable Sensors: A CNN-GRU-GNN Approach [0.3222802562733786]
  対象のバイナリ分類に適した,先駆的な深層学習アーキテクチャを提案する。 我々のモデルは、1D畳み込みニューラルネットワーク(CNN)、GRU(Gated Recurrent Units)、GNN(Graph Neural Network)のパワーを利用する。 提案モデルでは, 99.51%, 99.57%, 99.71%, 99.64%のスコアが得られた。
  論文  参考訳（メタデータ） (2024-04-09T15:19:13Z)
• TractGeoNet: A geometric deep learning framework for pointwise analysis of tract microstructure to predict language assessment performance [66.43360974979386]
  拡散磁気共鳴画像(dMRI)による回帰処理を行うための幾何学的深層学習フレームワークであるTractGeoNetを提案する。 回帰性能を向上させるために,新しい損失関数 Paired-Siamese Regression Los を提案する。 本手法の有効性を,2つの言語神経心理学的評価に対して予測することで評価した。
  論文  参考訳（メタデータ） (2023-07-08T14:10:37Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Learning Neural Causal Models with Active Interventions [83.44636110899742]
  本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。 本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。 シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-06T13:10:37Z)
• CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
  血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。 Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。 完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2021-04-07T09:09:13Z)
• Encoding Clinical Priori in 3D Convolutional Neural Networks for Prostate Cancer Detection in bpMRI [1.0312968200748118]
  臨床的に有意な前立腺癌(csPCa)の空間的有病率と部位的鑑別を捉える確率的集団を導入した。 U-Net, U-SEResNet, UNet++, Attention U-Netの3次元適応を800の機関的トレーニングバリデーションスキャンを用いて訓練し, 放射線学的に推定されたアノテーションと組み合わせて計算を行った。 病理組織学的に確認されたcsPCaによる200個のbpMRI検査において,臨床先行診断を符号化する方法は,患者による診断を改善する強力な能力を示す。
  論文  参考訳（メタデータ） (2020-10-31T13:10:58Z)
• The efficiency of deep learning algorithms for detecting anatomical reference points on radiological images of the head profile [55.41644538483948]
  U-Netニューラルネットワークは、完全な畳み込みニューラルネットワークよりも正確に解剖学的基準点の検出を可能にする。 U-Net ニューラルネットワークによる解剖学的基準点検出の結果は,歯科矯正医のグループによる基準点検出の平均値に近づいた。
  論文  参考訳（メタデータ） (2020-05-25T13:51:03Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。