論文の概要: Revealing Patterns of Symptomatology in Parkinson's Disease: A Latent
Space Analysis with 3D Convolutional Autoencoders
- arxiv url: http://arxiv.org/abs/2305.07038v1
- Date: Thu, 11 May 2023 11:57:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-15 15:06:18.755782
- Title: Revealing Patterns of Symptomatology in Parkinson's Disease: A Latent
Space Analysis with 3D Convolutional Autoencoders
- Title（参考訳）: パーキンソン病における症状のパターン : 3次元畳み込みオートエンコーダを用いた潜在空間解析
- Authors: E. Delgado de las Heras, F.J. Martinez-Murcia, I.A. Ill\'an, C.
Jim\'enez-Mesa, D. Castillo-Barnes, J. Ram\'irez, and J.M. G\'orriz
- Abstract要約: 本研究は、パーキンソン病(PD)における神経変性による病態変化の追跡に、CVAE(3D Convolutional variational autoencoder)を用いたことを提案する。
Ioflupane(FPCIT)画像上の3次元CVAEを用いて,ドーパミントランスポーター(DaT)濃度とその空間パターンの変化を検出し定量化するための新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work proposes the use of 3D convolutional variational autoencoders
(CVAEs) to trace the changes and symptomatology produced by neurodegeneration
in Parkinson's disease (PD). In this work, we present a novel approach to
detect and quantify changes in dopamine transporter (DaT) concentration and its
spatial patterns using 3D CVAEs on Ioflupane (FPCIT) imaging. Our approach
leverages the power of deep learning to learn a low-dimensional representation
of the brain imaging data, which then is linked to different symptom categories
using regression algorithms. We demonstrate the effectiveness of our approach
on a dataset of PD patients and healthy controls, and show that general
symptomatology (UPDRS) is linked to a d-dimensional decomposition via the CVAE
with R2>0.25. Our work shows the potential of representation learning not only
in early diagnosis but in understanding neurodegeneration processes and
symptomatology.
- Abstract（参考訳）: 本研究は,パーキンソン病(PD)における神経変性による病態変化の追跡にCVAE(3D Convolutional variational autoencoder)を用いたことを提案する。
本研究では, ドパミントランスポーター(DaT)濃度と空間パターンの変化を, Ioflupane(FPCIT)画像上の3次元CVAEを用いて検出・定量する手法を提案する。
このアプローチでは,脳画像データの低次元表現を学習するために深層学習の力を活用し,回帰アルゴリズムを用いて異なる症状カテゴリに関連付ける。
本研究のアプローチがPD患者のデータセットと健康管理に及ぼす影響を実証し,一般症状学(UPDRS)がCVAEとR2>0.25のD次元分解に結びついていることを示す。
本研究は,早期診断のみならず,神経変性過程や症状学の理解においても,表現学習の可能性を示す。
関連論文リスト
- Self-Supervised Pretext Tasks for Alzheimer's Disease Classification using 3D Convolutional Neural Networks on Large-Scale Synthetic Neuroimaging Dataset [11.173478552040441]
アルツハイマー病(Alzheimer's Disease, AD)は、脳の局所的および広範な神経変性を誘導する疾患である。
本研究では、下流ADとCN分類のための特徴抽出器を訓練するための教師なし手法をいくつか評価した。
論文 参考訳（メタデータ） (2024-06-20T11:26:32Z) - Ricci flow-based brain surface covariance descriptors for diagnosing Alzheimer's disease [0.505978550354168]
我々は、リッチエネルギー最適化を用いて、皮質表面から新しい共分散に基づく記述子を抽出するパイプラインを提案する。
異常な皮質脳形態計測の分析にこの新たなサインを適用することで、アルツハイマー病の診断が可能になる。
論文 参考訳（メタデータ） (2024-03-11T12:07:33Z) - Attention-based Efficient Classification for 3D MRI Image of Alzheimer's
Disease [2.6793044027881865]
本研究では、畳み込みニューラルネットワークに基づくアルツハイマー病検出モデルを提案する。
実験結果から, 使用した2次元融合アルゴリズムは, モデルのトレーニングコストを効果的に向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T12:18:46Z) - 3D Transformer based on deformable patch location for differential
diagnosis between Alzheimer's disease and Frontotemporal dementia [0.0]
アルツハイマー病と前頭側頭葉認知症は重度の臨床症状を呈する神経変性疾患の一般的なタイプである。
変形可能なパッチ位置モジュールを用いた新規な3次元トランスフォーマーアーキテクチャーを提案し,アルツハイマー病と前頭側頭葉認知症の鑑別診断を改善した。
論文 参考訳（メタデータ） (2023-09-06T17:42:18Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - Stroke recovery phenotyping through network trajectory approaches and
graph neural networks [0.966840768820136]
トラジェクトリプロファイルクラスタリング (TPC) 法を用いて, NINDS tPAトライアルのデータを分析し, 異なる脳卒中回復パターンを同定する。
臨床的に関連のある脳卒中症候群と一致した3つの異なる脳卒中軌跡について検討した。
論文 参考訳（メタデータ） (2021-09-29T18:46:08Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - 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) - 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) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。