論文の概要: Neuroimaging Feature Extraction using a Neural Network Classifier for Imaging Genetics

• arxiv url: http://arxiv.org/abs/2207.10794v1
• Date: Fri, 8 Jul 2022 19:03:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-31 14:37:07.640043
• Title: Neuroimaging Feature Extraction using a Neural Network Classifier for Imaging Genetics
• Title（参考訳）: 遺伝的イメージングのためのニューラルネットワーク分類器を用いた神経画像特徴抽出
• Authors: C\'edric Beaulac, Sidi Wu, Erin Gibson, Michelle F. Miranda, Jiguo Cao, Leno Rocha, Mirza Faisal Beg, Farouk S. Nathoo
• Abstract要約: 遺伝子とニューロイメージング表現型との関連における大きな問題は、遺伝データとニューロイメージングデータの双方の高次元である。 本稿では,疾患に関連する特徴を抽出するニューラルネットワークを提案する。 我々は,これらの特徴の予測力と専門家が選択した特徴とを比較し,ニューロイメージングの特徴で同定されたSNPについてより詳しく検討する。
• 参考スコア（独自算出の注目度）: 0.06132274810747232
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A major issue in the association of genes to neuroimaging phenotypes is the high dimension of both genetic data and neuroimaging data. In this article, we tackle the latter problem with an eye toward developing solutions that are relevant for disease prediction. Supported by a vast literature on the predictive power of neural networks, our proposed solution uses neural networks to extract from neuroimaging data features that are relevant for predicting Alzheimer's Disease (AD) for subsequent relation to genetics. Our neuroimaging-genetic pipeline is comprised of image processing, neuroimaging feature extraction and genetic association steps. We propose a neural network classifier for extracting neuroimaging features that are related with disease and a multivariate Bayesian group sparse regression model for genetic association. We compare the predictive power of these features to expert selected features and take a closer look at the SNPs identified with the new neuroimaging features.
• Abstract（参考訳）: 遺伝子とニューロイメージング表現型との関連における大きな問題は、遺伝データとニューロイメージングデータの双方の高次元である。 本稿では,疾患予測に関連するソリューションの開発に目を向けて,後者の問題に取り組む。 提案手法は,ニューラルネットワークの予測能力に関する膨大な文献に支持され,アルツハイマー病(ad)の予測に関連する神経画像データの特徴を抽出し,その後の遺伝学との関係を明らかにする。 我々の神経画像生成パイプラインは、画像処理、神経画像特徴抽出、遺伝的関連ステップから構成されている。 本稿では, 疾患に関連する神経画像の特徴を抽出するニューラルネットワーク分類器と, 多変量ベイズ群スパース回帰モデルを提案する。 我々は,これらの特徴の予測力と専門家が選択した特徴とを比較し,ニューロイメージングの特徴で同定されたSNPについてより詳しく検討する。

関連論文リスト

• NeuroBind: Towards Unified Multimodal Representations for Neural Signals [20.02503060795981]
  脳波、fMRI、カルシウムイメージング、スパイキングデータを含む複数の脳信号タイプを統一する表現であるNeuroBindを提案する。 このアプローチは、神経科学研究の進展、AIシステムの改善、神経補綴学と脳-コンピュータインターフェースの開発において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-07-19T04:42:52Z)
• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• Towards a Foundation Model for Brain Age Prediction using coVariance Neural Networks [102.75954614946258]
  時間的年齢に関する脳年齢の増加は、神経変性と認知低下に対する脆弱性の増加を反映している。 NeuroVNNは、時系列年齢を予測するために、健康な人口の回帰モデルとして事前訓練されている。 NeuroVNNは、脳の年齢に解剖学的解釈性を加え、任意の脳のアトラスに従って計算されたデータセットへの転移を可能にする「スケールフリー」特性を持つ。
  論文  参考訳（メタデータ） (2024-02-12T14:46:31Z)
• An Association Test Based on Kernel-Based Neural Networks for Complex Genetic Association Analysis [0.8221435109014762]
  従来のニューラルネットワークと線形混合モデルの強度を相乗化するカーネルベースニューラルネットワークモデル(KNN)を開発した。 MINQUEに基づく遺伝子変異と表現型との結合性を評価する試験。 線形および非線形/非付加的遺伝子効果の評価と解釈のための2つの追加試験。
  論文  参考訳（メタデータ） (2023-12-06T05:02:28Z)
• Copy Number Variation Informs fMRI-based Prediction of Autism Spectrum Disorder [9.544191399458954]
  我々は、遺伝的、人口統計学的、神経画像データを組み合わせるためのより統合的なモデルを開発する。 表現型に対するジェノタイプの影響に触発されて,注意に基づくアプローチを提案する。 228ASDの性バランスデータセットを用いて,ASD分類と重度予測タスクに対する提案手法の評価を行った。
  論文  参考訳（メタデータ） (2023-08-08T19:53:43Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Dive into the Power of Neuronal Heterogeneity [8.6837371869842]
  進化戦略(ES)を用いて、スパイキングニューラルネットワーク(SNN)を最適化し、ランダムネットワークにおける異種ニューロンのより堅牢な最適化を実現するためのバックプロパゲーションベースの手法が直面する課題を示す。 膜時間定数は神経異質性において重要な役割を担っており、その分布は生物学的実験で観察されたものと類似している。
  論文  参考訳（メタデータ） (2023-05-19T07:32:29Z)
• Constraints on the design of neuromorphic circuits set by the properties of neural population codes [61.15277741147157]
  脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。 ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
  論文  参考訳（メタデータ） (2022-12-08T15:16:04Z)
• Feature visualization for convolutional neural network models trained on neuroimaging data [0.0]
  畳み込みニューラルネットワーク(CNN)の機能可視化による最初の結果を示す。 我々は、MRIデータに基づく性分類や人為的病変分類など、さまざまなタスクのためにCNNを訓練した。 得られた画像は、その形状を含む人工的な病変の学習概念を明らかにするが、性分類タスクにおける抽象的な特徴を解釈することは困難である。
  論文  参考訳（メタデータ） (2022-03-24T15:24:38Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• 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)

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。