論文の概要: Hybrid Representation Learning for Cognitive Diagnosis in Late-Life
Depression Over 5 Years with Structural MRI
- arxiv url: http://arxiv.org/abs/2212.12810v1
- Date: Sat, 24 Dec 2022 19:53:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 15:19:30.618545
- Title: Hybrid Representation Learning for Cognitive Diagnosis in Late-Life
Depression Over 5 Years with Structural MRI
- Title（参考訳）: 構造MRIを用いた5年間にわたる晩期抑うつの認知診断のためのハイブリッド表現学習
- Authors: Lintao Zhang, Lihong Wang, Minhui Yu, Rong Wu, David C. Steffens, Guy
G. Potter, Mingxia Liu
- Abstract要約: 晩期うつ病(LLD)は高齢者に多くみられる気分障害であり、認知障害(CI)を伴うことが多い。
我々は,T1重み付きsMRIデータに基づいて,認知診断を5年間にわたって予測するためのハイブリッド表現学習フレームワークを開発した。
我々の知る限り、これはタスク指向および手作りMRIの特徴に基づくLDDの複雑な異種進行を研究する最初の試みの1つである。
- 参考スコア（独自算出の注目度）: 17.22102691422104
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Late-life depression (LLD) is a highly prevalent mood disorder occurring in
older adults and is frequently accompanied by cognitive impairment (CI).
Studies have shown that LLD may increase the risk of Alzheimer's disease (AD).
However, the heterogeneity of presentation of geriatric depression suggests
that multiple biological mechanisms may underlie it. Current biological
research on LLD progression incorporates machine learning that combines
neuroimaging data with clinical observations. There are few studies on incident
cognitive diagnostic outcomes in LLD based on structural MRI (sMRI). In this
paper, we describe the development of a hybrid representation learning (HRL)
framework for predicting cognitive diagnosis over 5 years based on T1-weighted
sMRI data. Specifically, we first extract prediction-oriented MRI features via
a deep neural network, and then integrate them with handcrafted MRI features
via a Transformer encoder for cognitive diagnosis prediction. Two tasks are
investigated in this work, including (1) identifying cognitively normal
subjects with LLD and never-depressed older healthy subjects, and (2)
identifying LLD subjects who developed CI (or even AD) and those who stayed
cognitively normal over five years. To the best of our knowledge, this is among
the first attempts to study the complex heterogeneous progression of LLD based
on task-oriented and handcrafted MRI features. We validate the proposed HRL on
294 subjects with T1-weighted MRIs from two clinically harmonized studies.
Experimental results suggest that the HRL outperforms several classical machine
learning and state-of-the-art deep learning methods in LLD identification and
prediction tasks.
- Abstract（参考訳）: 後期うつ病 (late-life depression, lld) は、高齢者に発症する高頻度の気分障害であり、認知障害 (ci) を伴うことが多い。
研究によると、LDDはアルツハイマー病(AD)のリスクを高める可能性がある。
しかし、老年期うつ病の呈示の多様性は、複数の生物学的メカニズムがそれを支える可能性があることを示唆している。
LLD進行に関する現在の生物学的研究は、神経画像データと臨床観察を組み合わせた機械学習を取り入れている。
構造的mri(smri)に基づくlldにおけるインシデント認知診断結果に関する研究は少ない。
本稿では,T1重み付きsMRIデータに基づいて,認知診断を5年以上にわたって予測するハイブリッド表現学習(HRL)フレームワークの開発について述べる。
具体的には,まず,深層ニューラルネットワークを用いて予測指向のmri特徴を抽出し,認知診断予測のためのトランスコーダを介して手作りのmri特徴と統合する。
本研究の課題は,(1)認知正常な被験者と,(2)認知正常な高齢者の識別,(2)CI(あるいはAD)を発症したLDDと,5年以上認知正常な被験者の識別,の2つである。
我々の知る限り、これはタスク指向および手作りMRIの特徴に基づくLDDの複雑な異種進行を研究する最初の試みの1つである。
臨床的に調和した2つの研究から,T1強調MRI294例についてHRLを検証した。
実験の結果,HRLはLDD識別および予測タスクにおいて,古典的な機械学習や最先端のディープラーニング手法よりも優れていたことが示唆された。
関連論文リスト
- Brain age identification from diffusion MRI synergistically predicts neurodegenerative disease [13.531048347211021]
本稿では,モデルによるマクロ構造情報の使用を最小限に抑えたdMRIによる脳年齢同定手法を提案する。
我々は、dMRIベースの脳年齢とT1w MRIベースの脳年齢の違いを神経変性の段階で観察した。
論文 参考訳（メタデータ） (2024-10-29T18:42:03Z) - Large Language Model-based FMRI Encoding of Language Functions for Subjects with Neurocognitive Disorder [53.575426835313536]
LLMを用いたfMRIエンコーディングと脳のスコアを用いた高齢者の言語関連機能変化について検討する。
脳のスコアと認知スコアの相関関係を脳全体のROIと言語関連ROIの両方で分析した。
以上の結果から,認知能力の向上は,中側頭回に有意な相関がみられた。
論文 参考訳（メタデータ） (2024-07-15T01:09:08Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - Deep learning reveals the common spectrum underlying multiple brain
disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。
病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。
多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文 参考訳（メタデータ） (2023-02-23T09:22:05Z) - Longformer: Longitudinal Transformer for Alzheimer's Disease
Classification with Structural MRIs [1.9450973046619378]
本稿では,各時点のsMRI上で空間的に注意機構を実行するトランスフォーマーネットワークであるLongformerを提案する。
我々のLongformerは、ADデータセットを用いてアルツハイマー病(AD)の異なる段階を分離する2つのバイナリ分類タスクにおいて、最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-02-02T06:38:00Z) - Machine learning techniques for the Schizophrenia diagnosis: A
comprehensive review and future research directions [6.09361933400665]
統合失調症(英語: Schizophrenia、SCZ)とは、幻覚、妄想、フラットトーク、非組織的思考など、様々な症状を経験する脳疾患である。
長期的には、これは深刻な影響をもたらし、寿命を10年以上短縮する可能性がある。
SCZの早期かつ正確な診断が一般的であり、構造的磁気共鳴画像(sMRI)、機能的MRI(fMRI)、拡散テンソル画像(DTI)、脳電図(EEG)などのモダリティは患者の脳の異常を目撃するのに役立つ。
論文 参考訳（メタデータ） (2023-01-16T19:49:38Z) - Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with
Multi-Task Brain Age Prediction [53.122045119395594]
ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。
年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。
そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2022-01-31T09:39:52Z) - Understanding Cognitive Fatigue from fMRI Scans with Self-supervised
Learning [0.0]
本稿では, 認知疲労の状態を, 不快感から極度の疲労状態まで, 6つのレベルに分けることを提案する。
我々は,空間的特徴抽出に畳み込みニューラルネットワーク(CNN)を用い,4次元fMRIスキャンの時間的モデリングに長寿命メモリ(LSTM)ネットワークを構築した。
本手法は,fMRIデータから認知疲労を解析するための最先端技術を確立し,従来の手法に勝ってこの問題を解決する。
論文 参考訳（メタデータ） (2021-06-28T22:38:51Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳（メタデータ） (2021-05-18T11:37:57Z) - Disentangling brain heterogeneity via semi-supervised deep-learning and
MRI: dimensional representations of Alzheimer's Disease [2.7724592931061016]
Smile-GANは、神経解剖学的不均一性を分解する新しい半監視深層クラスタリング法である。
smile-ganは、p1、正常解剖、最も高い認知能力、p2、軽度/拡散性萎縮、より著明な執行機能障害、p3、中心側頭側頭葉萎縮、記憶障害の相対的増加を含む4つの神経変性パターン/軸索を同定した。
論文 参考訳（メタデータ） (2021-02-24T22:09:16Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳（メタデータ） (2020-08-29T11:50:37Z)
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。