Fugu-MT 論文翻訳(概要): Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli

論文の概要: Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli

arxiv url: http://arxiv.org/abs/2303.06868v1
Date: Mon, 13 Mar 2023 05:33:28 GMT
ステータス: 処理完了
システム内更新日: 2023-03-14 16:24:22.095144
Title: Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli
Title（参考訳）: 3次元包括的視覚刺激を用いたアルツハイマー病診断のためのディープラーニングに基づく眼球追跡分析
Authors: Fangyu Zuo, Peiguang Jing, Jinglin Sun, Jizhong, Duan, Yong Ji, Yu Liu
Abstract要約: アルツハイマー病(AD)は記憶、思考、判断の連続的な低下を引き起こす。本稿では,視線追跡行動に基づくADの診断に深層学習技術を活用することに焦点を当てる。視覚的注意は、典型的な視線追跡行動として、AD患者の認知異常を検出するために非常に臨床的に有用である。我々は,AD患者と正常者の視覚的注意差を識別するために,多層比較畳み込みニューラルネットワーク(MC-CNN)を提案する。
参考スコア（独自算出の注目度）: 8.987083026829517
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Alzheimer's Disease (AD) causes a continuous decline in memory, thinking, and judgment. Traditional diagnoses are usually based on clinical experience, which is limited by some realistic factors. In this paper, we focus on exploiting deep learning techniques to diagnose AD based on eye-tracking behaviors. Visual attention, as typical eye-tracking behavior, is of great clinical value to detect cognitive abnormalities in AD patients. To better analyze the differences in visual attention between AD patients and normals, we first conduct a 3D comprehensive visual task on a non-invasive eye-tracking system to collect visual attention heatmaps. We then propose a multi-layered comparison convolution neural network (MC-CNN) to distinguish the visual attention differences between AD patients and normals. In MC-CNN, the multi-layered representations of heatmaps are obtained by hierarchical convolution to better encode eye-movement behaviors, which are further integrated into a distance vector to benefit the comprehensive visual task. Extensive experimental results on the collected dataset demonstrate that MC-CNN achieves consistent validity in classifying AD patients and normals with eye-tracking data.
Abstract（参考訳）: アルツハイマー病(AD)は記憶、思考、判断の連続的な低下を引き起こす。従来の診断は通常臨床経験に基づいており、現実的な要因によって制限される。本稿では,視線追跡行動に基づくADの診断に深層学習技術を活用することに焦点を当てる。視覚的注意は、典型的な視線追跡行動として、AD患者の認知異常を検出するために非常に臨床的に有用である。 AD患者と正常者の視覚的注意の差異をよりよく解析するため,非侵襲的な視線追跡システムを用いて視覚的注意熱マップの収集を行う。次に,AD患者と正常者の視覚的注意差を識別するために,多層比較畳み込みニューラルネットワーク(MC-CNN)を提案する。 MC-CNNでは、階層的畳み込みにより、より優れた眼球運動挙動を符号化し、さらに距離ベクトルに統合して、包括的視覚的タスクに役立てることで、熱マップの多層表現が得られる。その結果, MC-CNNは視線追跡データを用いてAD患者と正常者の分類において一貫した妥当性が得られた。

関連論文リスト

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)
Unsupervised Analysis of Alzheimer's Disease Signatures using 3D Deformable Autoencoders [10.091922917520316]
MORPHADEは3次元T1重み付き脳画像の解析に変形を利用する新しい教師なし学習手法である。これは、深い教師なし学習による変形を初めて検出し、またアルツハイマー病(AD)による脳の構造変化の重症度を局所化し評価する。提案手法は,AD検出において0.80のAUROCを達成し,教師なしベースラインや教師なしベースラインよりも優れていた。
論文参考訳（メタデータ） (2024-07-04T11:52:44Z)
Depth-induced Saliency Comparison Network for Diagnosis of Alzheimer's Disease via Jointly Analysis of Visual Stimuli and Eye Movements [8.907381270308452]
特殊な視覚刺激下での眼球運動は、アルツハイマー病の認知異常を検出する潜在的な非侵襲的バイオマーカーとして機能する。眼球運動解析のためのDepth-induced saliency comparison Network (DISCN)を提案する。以上の結果から,DECNはAD患者と正常コントロールの眼球運動の分類において一貫した妥当性が得られた。
論文参考訳（メタデータ） (2024-03-15T09:15:57Z)
Involution Fused ConvNet for Classifying Eye-Tracking Patterns of Children with Autism Spectrum Disorder [1.225920962851304]
自閉症スペクトラム障害(ASD)は、診断が難しい複雑な神経疾患である。多くの研究では、ASDと診断された子供が注意範囲を維持し、焦点を絞った視力の低下に苦しむことが示されている。視線追跡技術は、視線異常が自閉症の診断的特徴として認識されて以来、ASDの文脈で特に注目を集めてきた。
論文参考訳（メタデータ） (2024-01-07T20:08:17Z)
Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文参考訳（メタデータ） (2023-11-10T11:49:49Z)
Exploiting the Brain's Network Structure for Automatic Identification of ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。 776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文参考訳（メタデータ） (2023-06-15T16:22:57Z)
Detection of ADHD based on Eye Movements during Natural Viewing [3.1890959219836574]
ADHDは神経発達障害であり、臨床専門医が診断する必要がある。我々は、関連するタスクに対して事前学習を行う、エンドツーエンドのディープラーニングベースのシーケンスモデルを開発する。この手法は実際にADHDを検出し、関連するベースラインを上回ります。
論文参考訳（メタデータ） (2022-07-04T12:56:04Z)
A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文参考訳（メタデータ） (2022-06-17T10:17:24Z)
An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文参考訳（メタデータ） (2022-04-26T14:20:26Z)
MEDUSA: Multi-scale Encoder-Decoder Self-Attention Deep Neural Network Architecture for Medical Image Analysis [71.2022403915147]
医用画像解析に適したマルチスケールエンコーダデコーダ自己保持機構であるMEDUSAを紹介する。我々は、COVIDx、RSNA RICORD、RSNA Pneumonia Challengeなどの医療画像分析ベンチマークの最先端性能を得た。
論文参考訳（メタデータ） (2021-10-12T15:05:15Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。