論文の概要: A Surface-Based Federated Chow Test Model for Integrating APOE Status,
Tau Deposition Measure, and Hippocampal Surface Morphometry
- arxiv url: http://arxiv.org/abs/2304.00134v1
- Date: Fri, 31 Mar 2023 21:17:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 19:41:01.874047
- Title: A Surface-Based Federated Chow Test Model for Integrating APOE Status,
Tau Deposition Measure, and Hippocampal Surface Morphometry
- Title(参考訳): apoe状態, tau沈着量, 海馬表面形態計測を統合した表面型フェデレートチョウ試験モデル
- Authors: Jianfeng Wu, Yi Su, Yanxi Chen, Wenhui Zhu, Eric M. Reiman, Richard J.
Caselli, Kewei Chen, Paul M. Thompson, Junwen Wang, Yalin Wang (for the
Alzheimer's Disease Neuroimaging Initiative)
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 18.36168858563601
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Alzheimer's Disease (AD) is the most common type of age-related
dementia, affecting 6.2 million people aged 65 or older according to CDC data.
It is commonly agreed that discovering an effective AD diagnosis biomarker
could have enormous public health benefits, potentially preventing or delaying
up to 40% of dementia cases. Tau neurofibrillary tangles are the primary driver
of downstream neurodegeneration and subsequent cognitive impairment in AD,
resulting in structural deformations such as hippocampal atrophy that can be
observed in magnetic resonance imaging (MRI) scans. Objective: To build a
surface-based model to 1) detect differences between APOE subgroups in patterns
of tau deposition and hippocampal atrophy, and 2) use the extracted
surface-based features to predict cognitive decline. Methods: Using data
obtained from different institutions, we develop a surface-based federated Chow
test model to study the synergistic effects of APOE, a previously reported
significant risk factor of AD, and tau on hippocampal surface morphometry.
Results: We illustrate that the APOE-specific morphometry features correlate
with AD progression and better predict future AD conversion than other MRI
biomarkers. For example, a strong association between atrophy and abnormal tau
was identified in hippocampal subregion cornu ammonis 1 (CA1 subfield) and
subiculum in e4 homozygote cohort. Conclusion: Our model allows for identifying
MRI biomarkers for AD and cognitive decline prediction and may uncover a corner
of the neural mechanism of the influence of APOE and tau deposition on
hippocampal morphology.
- Abstract(参考訳): 背景:アルツハイマー病(AD)が最も一般的な年齢関連認知症であり、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り、認知症患者の最大40%を予防または遅延させることが一般的である。
Tau neurofibrillary tanglesは、ADの下流神経変性とその後の認知障害の主要な要因であり、MRIスキャンで観察できる海馬萎縮などの構造的変形をもたらす。
目的:表面モデルを構築する
1)タウ沈着パターンと海馬萎縮パターンにおけるAPOEサブグループの違いを検出し,
2) 表面的特徴を抽出し, 認知低下を予測する。
方法: 異なる施設から得られたデータを用いて, 海馬表面形態計測におけるadおよびtauの有意な危険因子であるapoeの相乗効果を研究するために, 表面ベースフェデレートチョウテストモデルを開発した。
結果: APOE に特異的な形態計測は AD の進行と相関し,他のMRI バイオマーカーよりも将来の AD 変換を予測できることが示唆された。
例えば、海馬の亜地域であるcornu ammonis 1 (CA1 subfield) と e4 homozygote cohort (e4 homozygote cohort) において、萎縮と異常タウの強い関連が同定された。
結論:本モデルでは,ADおよび認知低下予測のためのMRIバイオマーカーの同定が可能であり,APOEおよびタウ沈着が海馬形態に及ぼす影響の神経機構のコーナーを明らかにすることができる。
関連論文リスト
- How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳(メタデータ) (2023-08-17T20:40:30Z) - Improved Prediction of Beta-Amyloid and Tau Burden Using Hippocampal
Surface Multivariate Morphometry Statistics and Sparse Coding [0.0]
我々はアミロイドとタウの測定を定量的に予測する非侵襲的なフレームワークを開発した。
アルツハイマー病神経画像イニシアチブ(ADNI)におけるアミロイドPET/MRIとタウPET/MRIデータセットの枠組みについて検討した。
論文 参考訳(メタデータ) (2022-10-28T03:39:55Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳(メタデータ) (2022-04-29T19:27:06Z) - Automatic Classification of Neuromuscular Diseases in Children Using
Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。
激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文 参考訳(メタデータ) (2022-01-27T16:37:19Z) - 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) - Disentangling Alzheimer's disease neurodegeneration from typical brain
aging using machine learning [2.388738275105558]
神経イメージングバイオマーカーは、典型的な脳老化とアルツハイマー病(AD)を区別する
我々はこの2つを解消するための方法論を提示する。
遠絡SPAREモデルは2種類の脳変化に特異的な脳パターンを導出した。
論文 参考訳(メタデータ) (2021-09-08T15:33:29Z) - Hippocampus segmentation in magnetic resonance images of Alzheimer's
patients using Deep machine learning [0.0]
本研究の目的は,深層機械学習を用いたアルツハイマー病患者のMRI画像における海馬のセグメンテーションである。
提案手法は有望であり,早期の海馬容積変化の予測によりアルツハイマー病の予後に拡張することができる。
論文 参考訳(メタデータ) (2021-06-12T11:00:29Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳(メタデータ) (2021-06-06T07:11:25Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳(メタデータ) (2020-08-29T11:50:37Z) - MAGIC: Multi-scale Heterogeneity Analysis and Clustering for Brain
Diseases [3.955454029331185]
マルチスケールクラスタリングを活用することにより,病気の多様性を明らかにする新しい手法MAGICを提案する。
シミュレーションした異種神経解剖学的データを用いてMAGICを検証するとともに、アルツハイマー病(AD)の異種性を探究して臨床応用の可能性を示す。
以上の結果より,大脳皮質大萎縮と大脳皮質大萎縮の2つの亜型は,海馬の微細萎縮と大脳皮質大萎縮の2つからなることが明らかとなった。
論文 参考訳(メタデータ) (2020-07-01T23:42:37Z) - 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。