論文の概要: Improved Prediction of Beta-Amyloid and Tau Burden Using Hippocampal Surface Multivariate Morphometry Statistics and Sparse Coding

• arxiv url: http://arxiv.org/abs/2211.05235v1
• Date: Fri, 28 Oct 2022 03:39:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 23:57:39.808509
• Title: Improved Prediction of Beta-Amyloid and Tau Burden Using Hippocampal Surface Multivariate Morphometry Statistics and Sparse Coding
• Title（参考訳）: 海馬表面多変量解析とスパース符号化によるβ-アミロイドおよびタウバーデンの予測の改善
• Authors: Jianfeng Wu (1), Yi Su (2), Wenhui Zhu (1), Negar Jalili Mallak (1), Natasha Lepore (3), Eric M. Reiman (2), Richard J. Caselli (4), Paul M. Thompson (5), Kewei Chen (2), Yalin Wang (1) (for the Alzheimer's Disease Neuroimaging Initiative, (1) School of Computing and Augmented Intelligence, Arizona State University, Tempe, USA, (2) Banner Alzheimer's Institute, Phoenix, USA, (3) CIBORG Lab, Department of Radiology Children's Hospital Los Angeles, Los Angeles, USA, (4) Department of Neurology, Mayo Clinic Arizona, Scottsdale, USA, (5) Imaging Genetics Center, Stevens Neuroimaging and Informatics Institute, University of Southern California, Marina del Rey, USA)
• Abstract要約: 我々はアミロイドとタウの測定を定量的に予測する非侵襲的なフレームワークを開発した。 アルツハイマー病神経画像イニシアチブ(ADNI)におけるアミロイドPET/MRIとタウPET/MRIデータセットの枠組みについて検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Beta-amyloid (A$\beta$) plaques and tau protein tangles in the brain are the defining 'A' and 'T' hallmarks of Alzheimer's disease (AD), and together with structural atrophy detectable on brain magnetic resonance imaging (MRI) scans as one of the neurodegenerative ('N') biomarkers comprise the ''ATN framework'' of AD. Current methods to detect A$\beta$/tau pathology include cerebrospinal fluid (CSF; invasive), positron emission tomography (PET; costly and not widely available), and blood-based biomarkers (BBBM; promising but mainly still in development). Objective: To develop a non-invasive and widely available structural MRI-based framework to quantitatively predict the amyloid and tau measurements. Methods: With MRI-based hippocampal multivariate morphometry statistics (MMS) features, we apply our Patch Analysis-based Surface Correntropy-induced Sparse coding and max-pooling (PASCS-MP) method combined with the ridge regression model to individual amyloid/tau measure prediction. Results: We evaluate our framework on amyloid PET/MRI and tau PET/MRI datasets from the Alzheimer's Disease Neuroimaging Initiative (ADNI). Each subject has one pair consisting of a PET image and MRI scan, collected at about the same time. Experimental results suggest that amyloid/tau measurements predicted with our PASCP-MP representations are closer to the real values than the measures derived from other approaches, such as hippocampal surface area, volume, and shape morphometry features based on spherical harmonics (SPHARM). Conclusion: The MMS-based PASCP-MP is an efficient tool that can bridge hippocampal atrophy with amyloid and tau pathology and thus help assess disease burden, progression, and treatment effects.
• Abstract（参考訳）: 背景: ベータアミロイド (A$\beta$) 脳のプラークとタウタンパク質のタングルは、アルツハイマー病 (AD) の「A」と「T」のマークであり、脳磁気共鳴画像 (MRI) で検出可能な構造萎縮とともに、ADの「ATNフレームワーク」を構成する神経変性 ('N') バイオマーカーの1つである。 現在、A$\beta$/tauの病態を検出する方法として、髄液(CSF; invasive)、ポジトロン断層撮影(PET; costly and not available)、血液ベースのバイオマーカー(BBBM; promising、主に開発中)がある。 目的:アミロイドとタウの測定を定量的に予測する非侵襲的で広く利用可能な構造的MRIベースのフレームワークを開発する。 方法: mri-based hippocampal multivariate morphometry statistics (mms) 機能を用いて,パッチ分析に基づく表面コレントロピーによるスパース符号化と最大プールモデル(pascs-mp)をリッジ回帰モデルと組み合わせ,個々のアミロイド/タウ測度予測に適用する。 結果: アルツハイマー病神経画像イニシアチブ(ADNI)のアミロイドPET/MRIおよびタウPET/MRIデータセットについて検討した。 各被験者は、PET画像とMRIスキャンからなる1対のペアをほぼ同時に収集する。 実験結果から,pascp-mp表現で予測されるアミロイド/タウ測定は,球面高調波(spharm)に基づく海馬表面積,体積,形状形態計測などの他の手法による測定値よりも実値に近いことが示唆された。 結論: MMSをベースとしたPASCP-MPは海馬萎縮をアミロイドとタウの病理で橋渡しし, 疾患の負担, 進行, 治療効果の評価に有効である。

関連論文リスト

• GFE-Mamba: Mamba-based AD Multi-modal Progression Assessment via Generative Feature Extraction from MCI [5.834776094182435]
  アルツハイマー病(英語: Alzheimer's Disease、AD)は、軽度認知障害(MCI)に由来する進行性で不可逆的な神経変性疾患である。 GFE-Mambaモデルは、MCIからADへの進行を効果的に予測し、この分野におけるいくつかの主要な手法を超える。
  論文  参考訳（メタデータ） (2024-07-22T15:22:33Z)
• 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)
• Three-Dimensional Amyloid-Beta PET Synthesis from Structural MRI with Conditional Generative Adversarial Networks [45.426889188365685]
  アルツハイマー病の徴候には、アミロイド-ベタ鉱床と脳萎縮がある。 PETは高価で侵襲的であり、患者を電離放射線に曝す。 MRIはより安価で、非侵襲的で、電離放射線を含まないが、脳萎縮の測定に限られる。
  論文  参考訳（メタデータ） (2024-05-03T14:10:29Z)
• Amyloid-Beta Axial Plane PET Synthesis from Structural MRI: An Image Translation Approach for Screening Alzheimer's Disease [49.62561299282114]
  定量的に正確な構造MRIから合成アミロイドベータPET画像を生成するために、画像翻訳モデルを実装した。 その結果, 合成PET画像は, 形状, コントラスト, 全体的なSSIMおよびPSNRにおいて, 真実と高い類似性で生成できることが判明した。
  論文  参考訳（メタデータ） (2023-09-01T16:26:42Z)
• A Surface-Based Federated Chow Test Model for Integrating APOE Status, Tau Deposition Measure, and Hippocampal Surface Morphometry [18.36168858563601]
  アルツハイマー病(英: Alzheimer's Disease、AD)は、認知症で最も一般的な疾患であり、CDCのデータによると65歳以上の6200万人に影響を及ぼす。 有効なAD診断バイオマーカーの発見は、公衆衛生上の大きな利益をもたらす可能性があると一般的に合意されている。
  論文  参考訳（メタデータ） (2023-03-31T21:17:54Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Predicting Tau Accumulation in Cerebral Cortex with Multivariate MRI Morphometry Measurements, Sparse Coding, and Correntropy [18.81651314175103]
  アルツハイマー病(AD)の徴候の1つは、人間の脳にタウプラークが蓄積されていることである。 タウ病理診断の現在の方法は、侵襲的(腰椎穿刺)か、非常に高価で広く利用できない(タウPET)。
  論文  参考訳（メタデータ） (2021-10-20T18:05:33Z)
• Hippocampus segmentation in magnetic resonance images of Alzheimer's patients using Deep machine learning [0.0]
  本研究の目的は,深層機械学習を用いたアルツハイマー病患者のMRI画像における海馬のセグメンテーションである。 提案手法は有望であり,早期の海馬容積変化の予測によりアルツハイマー病の予後に拡張することができる。
  論文  参考訳（メタデータ） (2021-06-12T11:00:29Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• Introducing Anisotropic Minkowski Functionals for Local Structure Analysis and Prediction of Biomechanical Strength of Proximal Femur Specimens [0.0]
  骨粗しょう症や外傷による骨の脆さや骨折は、50歳以上の成人に多く見られ、生活の質を低下させる。 本研究では,MDCT画像から大腿骨近位部標本の骨強度を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-04-02T14:33:03Z)

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。