Fugu-MT 論文翻訳(概要): A Survey on the Role of Artificial Intelligence in the Prediction and Diagnosis of Schizophrenia

論文の概要: A Survey on the Role of Artificial Intelligence in the Prediction and Diagnosis of Schizophrenia

arxiv url: http://arxiv.org/abs/2305.14370v1
Date: Fri, 19 May 2023 08:21:02 GMT
ステータス: 処理完了
システム内更新日: 2023-05-28 04:51:55.274226
Title: A Survey on the Role of Artificial Intelligence in the Prediction and Diagnosis of Schizophrenia
Title（参考訳）: 統合失調症の予測と診断における人工知能の役割に関する調査研究
Authors: Narges Ramesh, Yasmin Ghodsi, Hamidreza Bolhasani
Abstract要約: この調査は、統合失調症の検出と予測にディープラーニングを使うことに焦点を当てた論文をレビューすることを目的としている。選択した検索戦略により、2019年から2022年までの10の出版物を評価しました。全ての研究は80%以上の予測を達成した。統合失調症に対する人工知能(AI)と機械学習(ML)の分野では、大きな進歩がなされている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Machine learning is employed in healthcare to draw approximate conclusions regarding human diseases and mental health problems. Compared to older traditional methods, it can help to analyze data more efficiently and produce better and more dependable results. Millions of people are affected by schizophrenia, which is a chronic mental disorder that can significantly impact their lives. Many machine learning algorithms have been developed to predict and prevent this disease, and they can potentially be implemented in the diagnosis of individuals who have it. This survey aims to review papers that have focused on the use of deep learning to detect and predict schizophrenia using EEG signals, functional magnetic resonance imaging (fMRI), and diffusion magnetic resonance imaging (dMRI). With our chosen search strategy, we assessed ten publications from 2019 to 2022. All studies achieved successful predictions of more than 80%. This review provides summaries of the studies and compares their notable aspects. In the field of artificial intelligence (AI) and machine learning (ML) for schizophrenia, significant advances have been made due to the availability of ML tools, and we are optimistic that this field will continue to grow.
Abstract（参考訳）: 機械学習は、人間の病気や精神的な健康問題に関するおよその結論を引き出すために医療に用いられている。従来の手法と比較して、より効率的にデータを分析し、より良い、より信頼性の高い結果を生み出すのに役立つ。何百万人もの人々が統合失調症に罹患しており、これは慢性的な精神疾患であり、彼らの生活に大きな影響を及ぼす可能性がある。多くの機械学習アルゴリズムは、この病気を予測し予防するために開発されており、それを持つ個人の診断に実装することができる。本研究の目的は,脳波信号,fMRI,拡散磁気共鳴画像(dMRI)を用いて統合失調症を検出・予測するためにディープラーニングを用いた論文をレビューすることである。選択した検索戦略により、2019年から2022年にかけて10の出版物を評価した。すべての研究で80%以上の予測が成功した。このレビューは研究の要約を提供し、それらの顕著な側面を比較する。統合失調症に対する人工知能(AI)と機械学習(ML)の分野では、MLツールが利用可能であることから、大きな進歩が見られ、この分野が今後も成長し続けると楽観視している。

関連論文リスト

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)
Alzheimer's Magnetic Resonance Imaging Classification Using Deep and Meta-Learning Models [2.4561590439700076]
本研究では,最新のCNNを特徴とする深層学習技術を活用することで,アルツハイマー病(AD)のMRIデータを分類することに焦点を当てた。アルツハイマー病は高齢者の認知症の主要な原因であり、徐々に認知機能障害を引き起こす不可逆的な脳疾患である。将来、この研究は、信号、画像、その他のデータを含む他の種類の医療データを組み込むように拡張することができる。
論文参考訳（メタデータ） (2024-05-20T15:44:07Z)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
Machine learning techniques for the Schizophrenia diagnosis: A comprehensive review and future research directions [6.09361933400665]
統合失調症(英語: Schizophrenia、SCZ)とは、幻覚、妄想、フラットトーク、非組織的思考など、様々な症状を経験する脳疾患である。長期的には、これは深刻な影響をもたらし、寿命を10年以上短縮する可能性がある。 SCZの早期かつ正確な診断が一般的であり、構造的磁気共鳴画像(sMRI)、機能的MRI(fMRI)、拡散テンソル画像(DTI)、脳電図(EEG)などのモダリティは患者の脳の異常を目撃するのに役立つ。
論文参考訳（メタデータ） (2023-01-16T19:49:38Z)
Multi-site Diagnostic Classification Of Schizophrenia Using 3D CNN On Aggregated Task-based fMRI Data [0.0]
統合失調症の発展の基盤となるメカニズムと、その再発、症状学、治療は謎のままである。統合失調症の多様性と複雑な性質に対処するための適切な分析ツールがないことは、この疾患の発生に寄与する要因の1つである可能性がある。深層学習は統合失調症の根底にあるメカニズムを理解する強力なツールになる可能性がある。
論文参考訳（メタデータ） (2022-10-11T08:12:36Z)
RobIn: A Robust Interpretable Deep Network for Schizophrenia Diagnosis [12.180396034315807]
統合失調症は、長く複雑な診断プロセスを必要とする重度の精神疾患である。脳画像データから統合失調症の診断にディープラーニングを応用しようとする試みは、将来性を示しているが、大きなトレーニングと応用のギャップに悩まされている。我々は、アクセスしやすいデータに焦点をあてて、このトレーニングとアプリケーション間のギャップを減らすことを提案する。
論文参考訳（メタデータ） (2022-03-31T15:01:35Z)
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)
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)
An Overview on Artificial Intelligence Techniques for Diagnosis of Schizophrenia Based on Magnetic Resonance Imaging Modalities: Methods, Challenges, and Future Works [10.769064813142647]
統合失調症(SZ)は、通常、青年期後期または成人期に現れる精神障害である。これにより、患者の寿命は15年短縮される。磁気共鳴イメージング(MRI)は、構造的/機能的脳の異常を探索するために用いられる一般的な神経イメージング技術である。
論文参考訳（メタデータ） (2021-02-24T11:12:06Z)
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)
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。