論文の概要: sMRI-PatchNet: A novel explainable patch-based deep learning network for
Alzheimer's disease diagnosis and discriminative atrophy localisation with
Structural MRI
- arxiv url: http://arxiv.org/abs/2302.08967v2
- Date: Mon, 20 Feb 2023 02:03:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 12:16:12.559649
- Title: sMRI-PatchNet: A novel explainable patch-based deep learning network for
Alzheimer's disease diagnosis and discriminative atrophy localisation with
Structural MRI
- Title(参考訳): sMRI-PatchNet: アルツハイマー病診断と構造MRIによる識別性萎縮の鑑別のための新しいパッチベースディープラーニングネットワーク
- Authors: Xin Zhang, Liangxiu Han, Lianghao Han, Haoming Chen, Darren Dancey,
Daoqiang Zhang
- Abstract要約: 3次元高解像度データのサイズは、データ分析と処理において大きな課題となる。
パッチベースの手法では、画像データを複数の小さな正規パッチに分割することで、より効率的なsMRIベースの画像解析が可能であることが示されている。
本研究は、sMRIを用いたアルツハイマー病診断のための、説明可能なパッチローカライズと選択が可能なパッチベースの新しいディープラーニングネットワーク(sMRI-PatchNet)を提案する。
- 参考スコア(独自算出の注目度): 18.234996137020406
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Structural magnetic resonance imaging (sMRI) can identify subtle brain
changes due to its high contrast for soft tissues and high spatial resolution.
It has been widely used in diagnosing neurological brain diseases, such as
Alzheimer disease (AD). However, the size of 3D high-resolution data poses a
significant challenge for data analysis and processing. Since only a few areas
of the brain show structural changes highly associated with AD, the patch-based
methods dividing the whole image data into several small regular patches have
shown promising for more efficient sMRI-based image analysis. The major
challenges of the patch-based methods on sMRI include identifying the
discriminative patches, combining features from the discrete discriminative
patches, and designing appropriate classifiers. This work proposes a novel
patch-based deep learning network (sMRI-PatchNet) with explainable patch
localisation and selection for AD diagnosis using sMRI. Specifically, it
consists of two primary components: 1) A fast and efficient explainable patch
selection mechanism for determining the most discriminative patches based on
computing the SHapley Additive exPlanations (SHAP) contribution to a transfer
learning model for AD diagnosis on massive medical data; and 2) A novel
patch-based network for extracting deep features and AD classfication from the
selected patches with position embeddings to retain position information,
capable of capturing the global and local information of inter- and
intra-patches. This method has been applied for the AD classification and the
prediction of the transitional state moderate cognitive impairment (MCI)
conversion with real datasets.
- Abstract(参考訳): 構造磁気共鳴イメージング(sMRI)は、軟部組織に対する高いコントラストと高空間分解能による微妙な脳変化を識別することができる。
アルツハイマー病(ad)などの神経性脳疾患の診断に広く用いられている。
しかし,3次元高解像度データのサイズは,データ解析や処理において大きな課題となる。
画像データ全体をいくつかの小さな正規パッチに分割するパッチベースの手法は、より効率的なsMRIベースの画像解析に有望であることが示されている。
sMRIにおけるパッチベースの手法の主な課題は、識別パッチの識別、識別パッチの特徴の組み合わせ、適切な分類器の設計である。
本研究は、sMRIを用いたAD診断のための説明可能なパッチローカライズと選択が可能なパッチベースの新しいディープラーニングネットワーク(sMRI-PatchNet)を提案する。
具体的には2つの主成分から構成される。
1) 大量医療データによる広告診断のための伝達学習モデルへのシャプレーア添加説明(shap)の寄与を計算して、最も識別可能なパッチを決定する迅速かつ効率的なパッチ選択機構
2) 位置埋め込みにより選択したパッチから深い特徴や広告分類を抽出し, 位置情報を保持し, パッチ間およびパッチ内情報を取り込むことのできる新しいパッチベースネットワーク。
この手法はAD分類と、実際のデータセットによる遷移状態中等認知障害(MCI)変換の予測に応用されている。
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) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - 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) - SF2Former: Amyotrophic Lateral Sclerosis Identification From
Multi-center MRI Data Using Spatial and Frequency Fusion Transformer [3.408266725482757]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、運動ニューロン変性を伴う複雑な神経変性疾患である。
ディープラーニングは、コンピュータビジョンにおける機械学習プログラムの傑出したクラスになった。
本研究では、視覚変換器アーキテクチャのパワーを活用してALS対象と制御群を区別するフレームワークであるSF2Formerを紹介する。
論文 参考訳(メタデータ) (2023-02-21T18:16:20Z) - Deep Joint Learning of Pathological Region Localization and Alzheimer's
Disease Diagnosis [4.5484714814315685]
BrainBagNetは、病理領域の局在とアルツハイマー病の診断を共同で学習するためのフレームワークである。
提案手法は、全脳MRI画像からのパッチレベル応答と位置情報からの識別的脳領域を示す。
5倍のクロスバリデーションにおいて,提案手法の分類性能は,AD診断および軽度認知障害予測タスクにおいて,最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2021-08-10T10:06:54Z) - An explainable two-dimensional single model deep learning approach for
Alzheimer's disease diagnosis and brain atrophy localization [3.9281410693767036]
本稿では、アルツハイマー病(AD)の自動診断と、sMRIデータから、この疾患に関連する重要な脳領域の局所化について、エンドツーエンドのディープラーニングアプローチを提案する。
提案手法は,AD対認知正常(CN)とプログレッシブMCI(pMCI)と安定MCI(sMCI)の2つの分類タスクに対して,パブリックアクセス可能な2つのデータセットで評価されている。
実験結果から,本手法はマルチモデルや3次元CNN手法など,最先端の手法よりも優れていたことが示唆された。
論文 参考訳(メタデータ) (2021-07-28T07:19:00Z) - Input Agnostic Deep Learning for Alzheimer's Disease Classification
Using Multimodal MRI Images [1.4848525762485871]
アルツハイマー病(英語: Alzheimer's disease、AD)は、記憶障害や機能障害を引き起こす進行性脳疾患である。
本研究では,通常の認知,軽度認知障害,ADクラスを分類するために,マルチモーダル・ディープ・ラーニング・アプローチを用いる。
論文 参考訳(メタデータ) (2021-07-19T08:19:34Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - 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) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - An Explainable 3D Residual Self-Attention Deep Neural Network FOR Joint
Atrophy Localization and Alzheimer's Disease Diagnosis using Structural MRI [22.34325971680329]
我々は,3D Residual Attention Deep Neural Network(3D ResAttNet)を導入し,SMRIスキャンによるエンドツーエンド学習によるアルツハイマー病早期診断のためのコンピュータ支援手法を提案する。
実験結果から,提案手法は精度と一般化性の観点から,最先端モデルに対して競争上の優位性があることが示唆された。
論文 参考訳(メタデータ) (2020-08-10T11:08:55Z)
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。