Fugu-MT 論文翻訳(概要): Smart ROI Detection for Alzheimer's disease prediction using explainable AI

論文の概要: Smart ROI Detection for Alzheimer's disease prediction using explainable AI

arxiv url: http://arxiv.org/abs/2303.10401v1
Date: Sat, 18 Mar 2023 11:58:56 GMT
ステータス: 処理完了
システム内更新日: 2023-03-21 19:37:12.309195
Title: Smart ROI Detection for Alzheimer's disease prediction using explainable AI
Title（参考訳）: 説明可能なAIを用いたアルツハイマー病予測のためのスマートROI検出
Authors: Atefe Aghaei, Mohsen Ebrahimi Moghaddam
Abstract要約: 有名なADNIデータセットのMCI患者176名を対象に本手法を実装した。 5倍のクロスバリデーションで取得した精度は98.6で、AUCは1。自動でROIを抽出するスマートROI抽出法は,アルツハイマー病の予測に有効である。
参考スコア（独自算出の注目度）: 1.9036571490366494
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Purpose Predicting the progression of MCI to Alzheimer's disease is an important step in reducing the progression of the disease. Therefore, many methods have been introduced for this task based on deep learning. Among these approaches, the methods based on ROIs are in a good position in terms of accuracy and complexity. In these techniques, some specific parts of the brain are extracted as ROI manually for all of the patients. Extracting ROI manually is time-consuming and its results depend on human expertness and precision. Method To overcome these limitations, we propose a novel smart method for detecting ROIs automatically based on Explainable AI using Grad-Cam and a 3DCNN model that extracts ROIs per patient. After extracting the ROIs automatically, Alzheimer's disease is predicted using extracted ROI-based 3D CNN. Results We implement our method on 176 MCI patients of the famous ADNI dataset and obtain remarkable results compared to the state-of-the-art methods. The accuracy acquired using 5-fold cross-validation is 98.6 and the AUC is 1. We also compare the results of the ROI-based method with the whole brain-based method. The results show that the performance is impressively increased. Conclusion The experimental results show that the proposed smart ROI extraction, which extracts the ROIs automatically, performs well for Alzheimer's disease prediction. The proposed method can also be used for Alzheimer's disease classification and diagnosis.
Abstract（参考訳）: 目的アルツハイマー病に対するmciの進行を予測することは、疾患の進行を減少させる重要なステップである。そのため,この課題に対して,深層学習に基づく多くの手法が導入された。これらのアプローチのうち、roisに基づく手法は正確さと複雑さの点で良い位置にある。これらの手法では、脳の特定の部分が、すべての患者に対して手動でROIとして抽出される。手動でROIを抽出するのは時間がかかり、その結果は人間の専門性と正確性に依存します。このような制約を克服するために,Grad-Camを用いた説明可能なAIと患者のROIを抽出する3DCNNモデルに基づいてROIを自動的に検出する新しいスマート手法を提案する。自動的にROIを抽出した後,抽出したROIベースの3D CNNを用いてアルツハイマー病を予測する。その結果,有名なADNIデータセットの176名のMCI患者に対して本手法を実装し,最先端の手法と比較して顕著な結果を得た。 5倍のクロスバリデーションで取得した精度は98.6で、AUCは1。また、ROI法と全脳法との比較を行った。その結果,性能は著しく向上した。結論この実験結果から, 自動的にROIを抽出するスマートROI抽出法がアルツハイマー病の予測に有効であることが示唆された。提案法はアルツハイマー病の分類と診断にも有用である。

関連論文リスト

Enhanced Deep Learning Methodologies and MRI Selection Techniques for Dementia Diagnosis in the Elderly Population [5.103059984821972]
3次元脳磁気共鳴画像(MRI)による認知症・非認知症高齢者の分類法を提案する。提案手法は,MRIスライスを選択的に処理し,最も関連性の高い脳領域に着目し,少ない情報領域を除外するユニークな手法である。この方法論は、3つのカスタムディープラーニングモデルからなる信頼に基づく分類委員会によって補完される。
論文参考訳（メタデータ） (2024-07-24T14:48:40Z)
Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文参考訳（メタデータ） (2024-07-10T19:17:23Z)
AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文参考訳（メタデータ） (2024-07-02T16:44:00Z)
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)
Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
論文参考訳（メタデータ） (2024-02-13T15:43:30Z)
Identifying Alzheimer Disease Dementia Levels Using Machine Learning Methods [0.0]
RF, SVM, CNNアルゴリズムを用いて認知症の4段階を分類する手法を提案する。以上の結果から,浸水特性を持つSVMの精度は96.25%であり,他の分類法よりも高いことがわかった。
論文参考訳（メタデータ） (2023-11-02T17:44:28Z)
AI Framework for Early Diagnosis of Coronary Artery Disease: An Integration of Borderline SMOTE, Autoencoders and Convolutional Neural Networks Approach [0.44998333629984877]
我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
論文参考訳（メタデータ） (2023-08-29T14:33:38Z)
Interpretability methods of machine learning algorithms with applications in breast cancer diagnosis [1.1470070927586016]
我々は,グローバルサロゲート(GS)法,個人期待(ICE)プロット,条件シェープ値(SV)などの解釈可能性技術を用いた。乳がん診断における最良の成績は,提案したERN(精度96.6%,ROC曲線0.96)により得られた。
論文参考訳（メタデータ） (2022-02-04T13:41:30Z)
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)
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)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。