論文の概要: Machine learning techniques for the Schizophrenia diagnosis: A
comprehensive review and future research directions
- arxiv url: http://arxiv.org/abs/2301.07496v1
- Date: Mon, 16 Jan 2023 19:49:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 16:00:08.580504
- Title: Machine learning techniques for the Schizophrenia diagnosis: A
comprehensive review and future research directions
- Title（参考訳）: 統合失調症診断のための機械学習技術 : 包括的レビューと今後の研究方向
- Authors: Shradha Verma, Tripti Goel, M Tanveer, Weiping Ding, Rahul Sharma and
R Murugan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.09361933400665
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Schizophrenia (SCZ) is a brain disorder where different people experience
different symptoms, such as hallucination, delusion, flat-talk, disorganized
thinking, etc. In the long term, this can cause severe effects and diminish
life expectancy by more than ten years. Therefore, early and accurate diagnosis
of SCZ is prevalent, and modalities like structural magnetic resonance imaging
(sMRI), functional MRI (fMRI), diffusion tensor imaging (DTI), and
electroencephalogram (EEG) assist in witnessing the brain abnormalities of the
patients. Moreover, for accurate diagnosis of SCZ, researchers have used
machine learning (ML) algorithms for the past decade to distinguish the brain
patterns of healthy and SCZ brains using MRI and fMRI images. This paper seeks
to acquaint SCZ researchers with ML and to discuss its recent applications to
the field of SCZ study. This paper comprehensively reviews state-of-the-art
techniques such as ML classifiers, artificial neural network (ANN), deep
learning (DL) models, methodological fundamentals, and applications with
previous studies. The motivation of this paper is to benefit from finding the
research gaps that may lead to the development of a new model for accurate SCZ
diagnosis. The paper concludes with the research finding, followed by the
future scope that directly contributes to new research directions.
- Abstract（参考訳）: 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。
したがって、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)、脳波(eeg)などのモダリティが患者の脳の異常を目撃するのに役立つ。
さらに、SCZの正確な診断のために、研究者は過去10年間、機械学習(ML)アルゴリズムを使用して、MRIとfMRI画像を用いて健康脳とSCZ脳の脳パターンを識別してきた。
本稿では,SCZ研究者をMLで知っており,最近のSCZ研究への応用について論じる。
本稿では,ML分類器,人工ニューラルネットワーク(ANN),深層学習(DL)モデル,方法論の基礎,過去の研究への応用など,最先端技術について概説する。
本研究の動機は、SCZの正確な診断のための新しいモデルの開発につながる研究ギャップを見つけることにある。
論文は、新たな研究の方向性に直接寄与する研究の成果と、今後の展望で締めくくられる。
関連論文リスト
- 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) - A Survey on the Role of Artificial Intelligence in the Prediction and
Diagnosis of Schizophrenia [0.0]
この調査は、統合失調症の検出と予測にディープラーニングを使うことに焦点を当てた論文をレビューすることを目的としている。
選択した検索戦略により、2019年から2022年までの10の出版物を評価しました。
全ての研究は80%以上の予測を達成した。
統合失調症に対する人工知能(AI)と機械学習(ML)の分野では、大きな進歩がなされている。
論文 参考訳（メタデータ） (2023-05-19T08:21:02Z) - 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) - Hybrid Representation Learning for Cognitive Diagnosis in Late-Life
Depression Over 5 Years with Structural MRI [17.22102691422104]
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。
論文 参考訳（メタデータ） (2022-12-24T19:53:11Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳（メタデータ） (2022-04-01T22:48:08Z) - 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) - 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) - An Overview on Artificial Intelligence Techniques for Diagnosis of
Schizophrenia Based on Magnetic Resonance Imaging Modalities: Methods,
Challenges, and Future Works [10.769064813142647]
統合失調症(SZ)は、通常、青年期後期または成人期に現れる精神障害である。
これにより、患者の寿命は15年短縮される。
磁気共鳴イメージング(MRI)は、構造的/機能的脳の異常を探索するために用いられる一般的な神経イメージング技術である。
論文 参考訳（メタデータ） (2021-02-24T11:12:06Z) - 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) - A Survey on Deep Learning for Neuroimaging-based Brain Disorder Analysis [38.213459556446765]
深層学習は、最近、構造的磁気共鳴画像(MRI)、機能的MRI、ポジトロン放射断層撮影(PET)などの神経画像の解析に使われている。
本稿では、ニューロイメージングに基づく脳障害解析におけるディープラーニング手法の適用について概説する。
論文 参考訳（メタデータ） (2020-05-10T04:20:50Z) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳（メタデータ） (2020-03-02T18:20:44Z)
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。