Fugu-MT 論文翻訳(概要): LAVA: Granular Neuron-Level Explainable AI for Alzheimer's Disease Assessment from Fundus Images

論文の概要: LAVA: Granular Neuron-Level Explainable AI for Alzheimer's Disease Assessment from Fundus Images

arxiv url: http://arxiv.org/abs/2302.03008v1
Date: Mon, 6 Feb 2023 18:43:10 GMT
ステータス: 処理完了
システム内更新日: 2023-02-07 15:25:27.106637
Title: LAVA: Granular Neuron-Level Explainable AI for Alzheimer's Disease Assessment from Fundus Images
Title（参考訳）: LAVA: 基礎画像を用いたアルツハイマー病診断のための粒状ニューロンレベル説明可能なAI
Authors: Nooshin Yousefzadeh, Charlie Tran, Adolfo Ramirez-Zamora, Jinghua Chen, Ruogu Fang, My T. Thai
Abstract要約: アルツハイマー病(英語: Alzheimer's Disease、AD)は、進行性神経変性疾患であり、認知症の主要な原因である。網膜は、脳と解剖学的に結びついているため、AD検出の診断部位として仮説化されている。我々は、グラニュラーニューロンレベル説明器(LAVA)と呼ばれる新しいモデルに依存しない説明可能なAIフレームワークを提案する。
参考スコア（独自算出の注目度）: 15.02513291695459
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Alzheimer's Disease (AD) is a progressive neurodegenerative disease and the leading cause of dementia. Early diagnosis is critical for patients to benefit from potential intervention and treatment. The retina has been hypothesized as a diagnostic site for AD detection owing to its anatomical connection with the brain. Developed AI models for this purpose have yet to provide a rational explanation about the decision and neither infer the stage of disease's progression. Along this direction, we propose a novel model-agnostic explainable-AI framework, called Granular Neuron-level Explainer (LAVA), an interpretation prototype that probes into intermediate layers of the Convolutional Neural Network (CNN) models to assess the AD continuum directly from the retinal imaging without longitudinal or clinical evaluation. This method is applied to validate the retinal vasculature as a biomarker and diagnostic modality for Alzheimer's Disease (AD) evaluation. UK Biobank cognitive tests and vascular morphological features suggest LAVA shows strong promise and effectiveness in identifying AD stages across the progression continuum.
Abstract（参考訳）: アルツハイマー病は進行性神経変性疾患であり、認知症の主要な原因である。早期診断は、患者が潜在的介入と治療の恩恵を受けるために重要である。網膜は、脳との解剖学的つながりからAD検出の診断部位として仮説化されている。この目的のために開発されたAIモデルは、決定について合理的な説明を提供しておらず、疾患の進行の段階を推測するものではない。この方向に沿って,畳み込みニューラルネットワーク(CNN)モデルの中間層を探索し,経時的および臨床的評価なしに網膜画像から直接AD連続性を評価する,新しいモデルに依存しない説明可能なAIフレームワークであるGranular Neuron-level Explainer(LAVA)を提案する。本法は、アルツハイマー病(AD)評価のためのバイオマーカーおよび診断モダリティとして網膜血管を検証するために応用される。英国バイオバンクの認知検査と血管形態学的特徴から、LAVAは進行連続体全体にわたるADステージの同定において強い期待と効果を示すことが示唆された。

関連論文リスト

Deep Learning for Early Alzheimer Disease Detection with MRI Scans [1.9806397201363817]
アルツハイマー病は、患者のMRIスキャンと神経心理学的検査の詳細な評価によって診断を必要とする。本研究は,AD診断の精度と効率を向上させるために,既存のディープラーニングモデルと比較する。感度,特異性,計算効率を考慮した厳密な評価を行い,各モデルの強みと弱みを判定する。
論文参考訳（メタデータ） (2025-01-17T07:30:16Z)
Dynamic Classification of Latent Disease Progression with Auxiliary Surrogate Labels [4.997489272248076]
進化する健康情報に基づく疾患進展予測は、真の疾患状態が不明な場合に困難である。我々は,主観的ラベルを用いた適応的前方回帰アルゴリズムを開発した。漸近特性が確立され, 有限試料による顕著な改善が示された。
論文参考訳（メタデータ） (2024-12-11T04:14:15Z)
MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
論文参考訳（メタデータ） (2024-11-06T10:13:28Z)
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)
Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文参考訳（メタデータ） (2024-08-09T15:10:34Z)
A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文参考訳（メタデータ） (2024-05-21T06:44:40Z)
Current and future roles of artificial intelligence in retinopathy of prematurity [14.333209377077058]
未熟児の網膜症 (ROP) は重篤な病態である。近年のディープラーニング(DL)、特に畳み込みニューラルネットワーク(CNN)は、ROPの検出と分類を大幅に改善している。 i-ROP 深層学習 (i-ROP-DL) システムもまた,高次疾患の検出を約束し,信頼性なROP 診断能を提供する。
論文参考訳（メタデータ） (2024-02-15T14:35:02Z)
Morphological feature visualization of Alzheimer's disease via Multidirectional Perception GAN [40.50404819220093]
アルツハイマー病(AD)の重症度を示す形態的特徴を可視化するために, 新規な多方向知覚生成適応ネットワーク(MP-GAN)を提案する。 MP-GANは既存の手法に比べて優れた性能を発揮する。
論文参考訳（メタデータ） (2021-11-25T03:24:52Z)
Towards a quantitative assessment of neurodegeneration in Alzheimer's disease [0.0]
アルツハイマー病(英語: Alzheimer's disease、AD)は、脳の記憶や他の認知領域を徐々に破壊する不可逆性神経変性疾患である。本稿では,神経変性の空間的範囲を視覚的に表現する手段として,病理特異的イメージングコントラスト(PSIC)の概念を紹介する。 PSICの値は専用ディープニューラルネットワーク(DNN)によって計算され、特にdMRI信号の処理に適応している。
論文参考訳（メタデータ） (2020-11-06T05:56:29Z)
Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
論文参考訳（メタデータ） (2020-08-30T21:47:26Z)
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)

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。