論文の概要: An automated, geometry-based method for the analysis of hippocampal thickness

• arxiv url: http://arxiv.org/abs/2302.00573v1
• Date: Wed, 1 Feb 2023 16:46:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-02 16:56:33.985623
• Title: An automated, geometry-based method for the analysis of hippocampal thickness
• Title（参考訳）: 海馬の厚さ解析のための幾何学的自動解析法
• Authors: Kersten Diers and Hannah Baumeister and Frank Jessen and Emrah D\"uzel and David Berron and Martin Reuter
• Abstract要約: 海馬形状の変化は複雑であり、海馬容積のような単一の要約測度で完全に特徴付けることはできない。 本研究では,海馬の厚みや曲率などの形状特徴の展開,ポイントワイド対応,局所解析のための幾何学的自動的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The hippocampus is one of the most studied neuroanatomical structures due to its involvement in attention, learning, and memory as well as its atrophy in ageing, neurological, and psychiatric diseases. Hippocampal shape changes, however, are complex and cannot be fully characterized by a single summary metric such as hippocampal volume as determined from MR images. In this work, we propose an automated, geometry-based approach for the unfolding, point-wise correspondence, and local analysis of hippocampal shape features such as thickness and curvature. Starting from an automated segmentation of hippocampal subfields, we create a 3D tetrahedral mesh model as well as a 3D intrinsic coordinate system of the hippocampal body. From this coordinate system, we derive local curvature and thickness estimates as well as a 2D sheet for hippocampal unfolding. We evaluate the performance of our algorithm with a series of experiments to quantify neurodegenerative changes in Mild Cognitive Impairment and Alzheimer's disease dementia. We find that hippocampal thickness estimates detect known differences between clinical groups and can determine the location of these effects on the hippocampal sheet. Further, thickness estimates improve classification of clinical groups and cognitively unimpaired controls when added as an additional predictor. Comparable results are obtained with different datasets and segmentation algorithms. Taken together, we replicate canonical findings on hippocampal volume/shape changes in dementia, extend them by gaining insight into their spatial localization on the hippocampal sheet, and provide additional, complementary information beyond traditional measures. We provide a new set of sensitive processing and analysis tools for the analysis of hippocampal geometry that allows comparisons across studies without relying on image registration or requiring manual intervention.
• Abstract（参考訳）: 海馬は、注意、学習、記憶への関与、老化、神経学的、精神疾患における萎縮などにより、最も研究された神経解剖学的構造の1つである。 しかし、海馬形状の変化は複雑であり、MRI画像から判断した海馬容積のような単一の要約指標で完全には特徴づけられない。 本研究では,海馬の厚みや曲率などの形状特徴の展開,ポイントワイド対応,局所解析のための自動幾何学的アプローチを提案する。 海馬サブフィールドの自動セグメンテーションから始まり、3次元四面体メッシュモデルと海馬本体の3次元内在座標系を作成する。 この座標系から局所曲率と厚さの推定値と海馬展開用2次元シートを導出した。 軽度認知障害とアルツハイマー病認知症の神経変性変化を定量化する一連の実験により,本アルゴリズムの性能を評価する。 海馬の厚さ推定は臨床群間の既知の差異を検知し,海馬シート上のこれらの効果の位置を推定できる。 さらに、厚み推定は、追加の予測器として追加されると、臨床グループの分類と認知障害のコントロールを改善する。 比較の結果は、異なるデータセットとセグメンテーションアルゴリズムで得られる。 そこで本研究では,海馬の容積・形状変化に関する標準的知見を再現し,海馬シート上の空間的局在を把握し,それらを拡張し,従来の尺度を超えた追加的補完的情報を提供する。 画像登録や手作業による介入を必要とせず,研究間での比較を可能にする海馬の形状解析のための,新たなセンシティブな処理および解析ツールを提供する。

関連論文リスト

• Disentangling Hippocampal Shape Variations: A Study of Neurological Disorders Using Mesh Variational Autoencoder with Contrastive Learning [3.978057697592975]
  教師付きコントラスト学習により強化されたメッシュ変分オートエンコーダ(VAE)を利用する。 本研究の目的は,年齢と疾患の有無に応じた2つの異なる潜伏変数を分離することにより,解釈可能性を向上させることである。 本研究は,MS集団の年齢層別における神経疾患と海馬形状の変化との関係についての貴重な知見を提供する。
  論文  参考訳（メタデータ） (2024-03-31T20:08:23Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Quantifying Hippocampal Shape Asymmetry in Alzheimer's Disease Using Optimal Shape Correspondences [1.4201040196058876]
  アルツハイマー病(AD)における海馬萎縮は非対称で空間的に不均一である。 これまでの海馬非対称性の研究は、ポイントレベルでの形状非対称性の局所化を行わない大域的な体積や形状測定に限られていた。 被験者内の左右海馬間の点対応を最適化し, サンプル全体のコンパクトな統計的形状モデルを選択することで, 局所的な形状非対称性を定量化することを提案する。
  論文  参考訳（メタデータ） (2023-12-02T06:19:14Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• 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)
• Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
  3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。 ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。 我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
  論文  参考訳（メタデータ） (2022-11-22T11:34:51Z)
• 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)
• Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
  本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。 本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
  論文  参考訳（メタデータ） (2021-08-08T11:26:34Z)
• Cephalometric Landmark Regression with Convolutional Neural Networks on 3D Computed Tomography Data [68.8204255655161]
  側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。 本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。 本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
  論文  参考訳（メタデータ） (2020-07-20T12:45:38Z)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)
• Hippocampus Segmentation on Epilepsy and Alzheimer's Disease Studies with Multiple Convolutional Neural Networks [0.08749675983608168]
  本稿では,最先端,オープンソース,深層学習に基づく海馬セグメンテーション手法を提案する。 拡張された2次元マルチオリエンテーションアプローチを使用し、自動前処理と配向アライメントを備える。 我々は,HarPテストセットとDiceのHCUnicampの両方の文献から,HarPでのみトレーニングされた手法が,他の方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-01-14T21:57:46Z)

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。