論文の概要: Regional Deep Atrophy: a Self-Supervised Learning Method to
Automatically Identify Regions Associated With Alzheimer's Disease
Progression From Longitudinal MRI
- arxiv url: http://arxiv.org/abs/2304.04673v1
- Date: Mon, 10 Apr 2023 15:50:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 14:21:59.812570
- Title: Regional Deep Atrophy: a Self-Supervised Learning Method to
Automatically Identify Regions Associated With Alzheimer's Disease
Progression From Longitudinal MRI
- Title（参考訳）: 地域深部萎縮症 : 縦型mriからアルツハイマー病進展部位の自動同定のための自己教師あり学習法
- Authors: Mengjin Dong, Long Xie, Sandhitsu R. Das, Jiancong Wang, Laura E.M.
Wisse, Robin deFlores, David A. Wolk, Paul A. Yushkevich (for the Alzheimer's
Disease Neuroimaging Initiative)
- Abstract要約: 本稿では,DeepAtrophyからの時間的推論アプローチと変形可能な登録ニューラルネットワークとアテンション機構を組み合わせた地域深部萎縮症を提案する。
DeepAtrophyは、時間的順序や相対的なスキャン間隔などの経時的MRIスキャンから時間的情報を推測する際の精度が高い。
RDAはDeepAtrophyと類似した予測精度を持っているが、その追加の解釈可能性により、臨床環境での使用がより受け入れられる。
- 参考スコア（独自算出の注目度）: 1.465540676497032
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Longitudinal assessment of brain atrophy, particularly in the hippocampus, is
a well-studied biomarker for neurodegenerative diseases, such as Alzheimer's
disease (AD). In clinical trials, estimation of brain progressive rates can be
applied to track therapeutic efficacy of disease modifying treatments. However,
most state-of-the-art measurements calculate changes directly by segmentation
and/or deformable registration of MRI images, and may misreport head motion or
MRI artifacts as neurodegeneration, impacting their accuracy. In our previous
study, we developed a deep learning method DeepAtrophy that uses a
convolutional neural network to quantify differences between longitudinal MRI
scan pairs that are associated with time. DeepAtrophy has high accuracy in
inferring temporal information from longitudinal MRI scans, such as temporal
order or relative inter-scan interval. DeepAtrophy also provides an overall
atrophy score that was shown to perform well as a potential biomarker of
disease progression and treatment efficacy. However, DeepAtrophy is not
interpretable, and it is unclear what changes in the MRI contribute to
progression measurements. In this paper, we propose Regional Deep Atrophy
(RDA), which combines the temporal inference approach from DeepAtrophy with a
deformable registration neural network and attention mechanism that highlights
regions in the MRI image where longitudinal changes are contributing to
temporal inference. RDA has similar prediction accuracy as DeepAtrophy, but its
additional interpretability makes it more acceptable for use in clinical
settings, and may lead to more sensitive biomarkers for disease monitoring in
clinical trials of early AD.
- Abstract（参考訳）: 特に海馬における脳萎縮の経時的評価は、アルツハイマー病(AD)のような神経変性疾患のバイオマーカーとしてよく研究されている。
臨床試験では、疾患修正治療の治療効果を追跡するために、脳の進行率を推定することができる。
しかし、ほとんどの最先端測定は、MRI画像のセグメント化や変形可能な登録によって直接変化を計算し、頭の動きやMRIのアーティファクトを神経変性と誤報し、その精度に影響を与える可能性がある。
前報では、畳み込みニューラルネットワークを用いて、時間と関連する縦方向MRIスキャンペア間の差を定量化するディープラーニング手法であるDeepAtrophyを開発した。
DeepAtrophyは、時間的順序や相対的なスキャン間隔などの経時的MRIスキャンから時間的情報を推測する精度が高い。
DeepAtrophyはまた、全体的な萎縮スコアを提供し、疾患の進行と治療効果の潜在的なバイオマーカーとして機能することが示されている。
しかし、DeepAtrophyは解釈不可能であり、MRIの変化が進行測定にどう寄与するかは不明である。
本稿では,deepatrophyからの時間的推論アプローチと変形可能な登録ニューラルネットワークを組み合わせた地域深部萎縮(rda)と,時間的推論に時間的変化が寄与するmri画像の領域を強調する注意機構を提案する。
rdaはdeepatrophyと同様の予測精度を持つが、その追加的な解釈性は臨床現場での使用をより許容し、ad初期の臨床試験で疾患モニタリングのためのより敏感なバイオマーカーをもたらす可能性がある。
関連論文リスト
- Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Longformer: Longitudinal Transformer for Alzheimer's Disease
Classification with Structural MRIs [1.9450973046619378]
本稿では,各時点のsMRI上で空間的に注意機構を実行するトランスフォーマーネットワークであるLongformerを提案する。
我々のLongformerは、ADデータセットを用いてアルツハイマー病(AD)の異なる段階を分離する2つのバイナリ分類タスクにおいて、最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-02-02T06:38:00Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Temporally Adjustable Longitudinal Fluid-Attenuated Inversion Recovery
MRI Estimation / Synthesis for Multiple Sclerosis [0.0]
多発性硬化症(Multiple Sclerosis、MS)は、慢性進行性神経疾患である。
脳MRI(FLAIR brain magnetic resonance imaging)は、他のMRI法と比較して、MS病変のより優れた可視化と特徴を提供する。
MSの縦断脳FLAIR MRIは、経時的に患者を反復的に画像化することで、臨床医が疾患の進行をモニタリングするための有用な情報を提供する。
様々な時間ラグを伴う将来の脳MRI検査の予測は、健康な老化やアルツハイマー病の構造的変性など、限られた用途でのみ試みられている。
論文 参考訳（メタデータ） (2022-09-09T12:42:00Z) - Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with
Multi-Task Brain Age Prediction [53.122045119395594]
ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。
年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。
そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2022-01-31T09:39:52Z) - 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) - 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) - 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) - DeepAtrophy: Teaching a Neural Network to Differentiate Progressive
Changes from Noise on Longitudinal MRI in Alzheimer's Disease [1.465540676497032]
経時的MRI変化測定は非生物学的因子によって構成できる。
深層学習法は、生物学的変化と非生物学的要因を区別するために訓練することができる。
論文 参考訳（メタデータ） (2020-10-24T18:23:02Z) - 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) - Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。
この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文 参考訳（メタデータ） (2020-01-14T22:55:03Z)
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。