論文の概要: Normative Modeling via Conditional Variational Autoencoder and Adversarial Learning to Identify Brain Dysfunction in Alzheimer's Disease

• arxiv url: http://arxiv.org/abs/2211.08982v1
• Date: Sun, 13 Nov 2022 07:36:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 14:27:25.067550
• Title: Normative Modeling via Conditional Variational Autoencoder and Adversarial Learning to Identify Brain Dysfunction in Alzheimer's Disease
• Title（参考訳）: 条件付き変分オートエンコーダによる規範的モデリングとアルツハイマー病における脳機能障害の同定
• Authors: Xuetong Wang, Kanhao Zhao, Rong Zhou, Alex Leow, Ricardo Osorio, Yu Zhang, Lifang He
• Abstract要約: アルツハイマー病(AD)の脳機能障害を同定するために、条件付き変分オートエンコーダと対向学習(ACVAE)を組み合わせた新しい規範的モデリング法を提案する。 OASIS-3データベースを用いた実験により,本モデルが生成する偏差マップは,他の深部規範モデルと比較してADに対する感度が高いことが示された。
• 参考スコア（独自算出の注目度）: 10.302206705998563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Normative modeling is an emerging and promising approach to effectively study disorder heterogeneity in individual participants. In this study, we propose a novel normative modeling method by combining conditional variational autoencoder with adversarial learning (ACVAE) to identify brain dysfunction in Alzheimer's Disease (AD). Specifically, we first train a conditional VAE on the healthy control (HC) group to create a normative model conditioned on covariates like age, gender and intracranial volume. Then we incorporate an adversarial training process to construct a discriminative feature space that can better generalize to unseen data. Finally, we compute deviations from the normal criterion at the patient level to determine which brain regions were associated with AD. Our experiments on OASIS-3 database show that the deviation maps generated by our model exhibit higher sensitivity to AD compared to other deep normative models, and are able to better identify differences between the AD and HC groups.
• Abstract（参考訳）: 規範的モデリングは、個々の参加者における障害の多様性を効果的に研究するための、新しくて有望なアプローチである。 本研究では,アルツハイマー病(AD)の脳機能障害を同定するために,条件付き変分オートエンコーダと対向学習(ACVAE)を組み合わせた新しい規範的モデリング手法を提案する。 具体的には、まず、健康管理(hc)グループで条件的vaeを訓練し、年齢、性別、頭蓋内容積などの共変量に基づく規範モデルを作成する。 次に,非知覚データに対してより一般化可能な識別的特徴空間を構築するために,敵対的訓練プロセスを導入する。 最後に,患者レベルでの正常基準からの偏差を計算し,どの脳領域がADと関連しているかを判定した。 OASIS-3データベースを用いた実験により,本モデルが生成する偏差マップは,他の深部規範モデルよりもADに対する感度が高く,AD群とHC群との差異をよりよく識別できることが示された。

関連論文リスト

• Normative Modeling for AD Diagnosis and Biomarker Identification [11.62848839498082]
  本稿では,アルツハイマー病(AD)の診断とバイオマーカー同定のために,焦点障害と対向自己エンコーダ(FAAE)を取り入れた新しい規範的モデリング手法を提案する。 本手法は,自己エンコーダ構造内に対向焦点損失判別器を組み込むエンド・ツー・エンドの手法である。
  論文  参考訳（メタデータ） (2024-11-15T20:45:16Z)
• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Improving Normative Modeling for Multi-modal Neuroimaging Data using mixture-of-product-of-experts variational autoencoders [0.0]
  既存の変分オートエンコーダ(VAE)ベースの規範モデルは、積を推定したり、不定形遅延後部の平均化によって複数のモードから情報を集約する。 これはしばしば、主観レベルの偏差の推定に影響を及ぼす非形式的な関節潜伏分布をもたらす。 後肢後肢のモデリングを改善するMixture-of-Product-of-Experts法を応用した。
  論文  参考訳（メタデータ） (2023-12-02T01:17:01Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Transformer-based normative modelling for anomaly detection of early schizophrenia [1.291405125557051]
  我々はニューロタイプ個体の3次元MRIスキャンでモデルを訓練した。 早期統合失調症の神経型コントロールと精神科患者の可能性について検討した。
  論文  参考訳（メタデータ） (2022-12-08T18:22:36Z)
• NormVAE: Normative Modeling on Neuroimaging Data using Variational Autoencoders [0.776692116806953]
  ディープオートエンコーダは規範的モデルとして実装され、患者レベルの偏差は、偏差の不確実性な推定をせずに、実際の入力と再構成された入力の正方形差としてモデル化されている。 本研究では,主観的規範的異常マップ(NAM)を算出し,偏差の不確かさを定量化する,新しい規範的モデリングに基づく変分オートエンコーダ(VAE)について検討した。
  論文  参考訳（メタデータ） (2021-10-10T20:55:34Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• 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)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• Analyzing the effect of APOE on Alzheimer's disease progression using an event-based model for stratified populations [3.4935855647873293]
  鑑別事象ベースモデル(DEBM)を用いたアルツハイマー病の進行タイムラインに対するAPOEアレルの効果について検討した。 本研究の目的は,DEBMの異なるステップをグループ固有の部分とグループ固有の部分に分割する,新しいアプローチを提案し,評価することである。 提示されたモデルは、疾患の理解を助け、臨床治験のために発症する症状のリスクにおいて、症状前患者の同種グループを選択するのに役立てることができる。
  論文  参考訳（メタデータ） (2020-09-15T14:46:10Z)

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。