論文の概要: Deep neural network heatmaps capture Alzheimer's disease patterns reported in a large meta-analysis of neuroimaging studies

• arxiv url: http://arxiv.org/abs/2207.11352v1
• Date: Fri, 22 Jul 2022 21:59:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 14:16:49.048924
• Title: Deep neural network heatmaps capture Alzheimer's disease patterns reported in a large meta-analysis of neuroimaging studies
• Title（参考訳）: 深層ニューラルネットワークヒートマップはアルツハイマー病のパターンを捉え、神経画像研究の大規模メタ分析で報告される
• Authors: Di Wang, Nicolas Honnorat, Peter T. Fox, Kerstin Ritter, Simon B. Eickhoff, Sudha Seshadri, Mohamad Habes
• Abstract要約: ディープニューラルネットワークは、アルツハイマー病の患者の構造的MRIスキャンと健康管理を区別するために、最も高度で正確な機械学習モデルを提供する。 深部ニューラルネットワークから抽出した画像パターンを解析するために,いくつかの熱マップ法が提案されているが,これらの手法の定量的比較は行われていない。 本研究では、ADNIデータセットのT1 MRIスキャンを用いて訓練された畳み込みニューラルネットワーク(CNN)から熱マップを導出し、これらの熱マップを、サポートベクトルマシン(SVM)係数に対応する脳マップと比較することにより、これらの疑問を解く。
• 参考スコア（独自算出の注目度）: 4.541996436295047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep neural networks currently provide the most advanced and accurate machine learning models to distinguish between structural MRI scans of subjects with Alzheimer's disease and healthy controls. Unfortunately, the subtle brain alterations captured by these models are difficult to interpret because of the complexity of these multi-layer and non-linear models. Several heatmap methods have been proposed to address this issue and analyze the imaging patterns extracted from the deep neural networks, but no quantitative comparison between these methods has been carried out so far. In this work, we explore these questions by deriving heatmaps from Convolutional Neural Networks (CNN) trained using T1 MRI scans of the ADNI data set, and by comparing these heatmaps with brain maps corresponding to Support Vector Machines (SVM) coefficients. Three prominent heatmap methods are studied: Layer-wise Relevance Propagation (LRP), Integrated Gradients (IG), and Guided Grad-CAM (GGC). Contrary to prior studies where the quality of heatmaps was visually or qualitatively assessed, we obtained precise quantitative measures by computing overlap with a ground-truth map from a large meta-analysis that combined 77 voxel-based morphometry (VBM) studies independently from ADNI. Our results indicate that all three heatmap methods were able to capture brain regions covering the meta-analysis map and achieved better results than SVM coefficients. Among them, IG produced the heatmaps with the best overlap with the independent meta-analysis.
• Abstract（参考訳）: ディープニューラルネットワークは、現在最も高度で正確な機械学習モデルを提供しており、アルツハイマー病の患者の構造的MRIスキャンと健康管理を区別している。 残念ながら、これらのモデルが捉えた微妙な脳変化は、これらの多層および非線形モデルの複雑さのため、解釈が難しい。 この問題に対処し、深層ニューラルネットワークから抽出した画像パターンを分析するために、いくつかの熱マップ法が提案されているが、これらの方法の定量的比較は行われていない。 本稿では,adniデータセットのt1 mriスキャンを用いて訓練された畳み込みニューラルネットワーク(cnn)から熱マップを導出し,これらの熱マップとサポートベクターマシン(svm)係数に対応する脳地図を比較した。 レイヤワイド・レバレンス・プロパゲーション(LRP)、IG(Integrated Gradients)、GGC(Guid Grad-CAM)の3つの顕著な熱マップ法が研究されている。 熱マップの質を視覚的あるいは質的に評価した先行研究とは対照的に,77voxel-based morphometry (vbm) をadniとは独立に組み合わせた大規模なメタ分析から,地対地図と重なる重なりを計算し,正確な定量測定を行った。 以上の結果から,3つの熱マップ法はメタアナリシスマップをカバーする脳領域を捉えることができ,SVM係数よりも優れた結果が得られた。 それらのうち、igは独立メタ分析と最も重なり合うヒートマップを作成した。

関連論文リスト

• Comparative Study of Probabilistic Atlas and Deep Learning Approaches for Automatic Brain Tissue Segmentation from MRI Using N4 Bias Field Correction and Anisotropic Diffusion Pre-processing Techniques [0.0]
  本研究では,確率ATLAS,U-Net,nnU-Net,LinkNetなど,様々なセグメンテーションモデルの比較分析を行う。 以上の結果から,3D nnU-Netモデルが他のモデルよりも優れており,Dice Coefficientスコア(0.937 + 0.012)が最も高い結果を得た。 この結果は、特にN4 Bias Field CorrectionとAnisotropic Diffusion Pre-processingと組み合わせた場合、脳組織セグメンテーションにおけるnnU-Netモデルの優位性を強調した。
  論文  参考訳（メタデータ） (2024-11-08T10:07:03Z)
• Segmentation Strategies in Deep Learning for Prostate Cancer Diagnosis: A Comparative Study of Mamba, SAM, and YOLO [0.6116681488656472]
  本研究は,前立腺癌組織像の分画のための深層学習法であるMamba,SAM,YOLOの比較分析を行った。 Gleason 2019 と SICAPv2 という2つの総合データセット上で,Dice スコア,精度,リコール指標を用いてこれらのモデルの性能を評価した。 H-Vmunetモデルの高度なアーキテクチャは、高階の視覚状態空間と2D選択的スキャン操作を統合することで、効率的かつセンシティブな病変検出を可能にする。
  論文  参考訳（メタデータ） (2024-09-24T16:04:29Z)
• S3M: Scalable Statistical Shape Modeling through Unsupervised Correspondences [91.48841778012782]
  本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。 我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。 我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
  論文  参考訳（メタデータ） (2023-04-15T09:39:52Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• Towards better Interpretable and Generalizable AD detection using Collective Artificial Intelligence [0.0]
  アルツハイマー病の診断と予後を自動化するための深層学習法が提案されている。 これらの手法は、しばしば解釈可能性と一般化の欠如に悩まされる。 我々はこれらの制限を克服するために設計された新しいディープ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-07T13:02:53Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI Segmentation [0.0]
  本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。 提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
  論文  参考訳（メタデータ） (2021-05-17T15:43:59Z)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)
• Automated Segmentation of Brain Gray Matter Nuclei on Quantitative Susceptibility Mapping Using Deep Convolutional Neural Network [16.733578721523898]
  脳皮質下核の鉄蓄積異常は、様々な神経変性疾患と相関していると報告されている。 本稿では3次元畳み込みニューラルネットワーク(CNN)に基づく2分岐残基構造U-Net(DB-ResUNet)を提案する。
  論文  参考訳（メタデータ） (2020-08-03T14:32:30Z)
• 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。