論文の概要: Interpretable simultaneous localization of MRI corpus callosum and
classification of atypical Parkinsonian disorders using YOLOv5
- arxiv url: http://arxiv.org/abs/2306.00473v1
- Date: Thu, 1 Jun 2023 09:23:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-02 17:22:41.709890
- Title: Interpretable simultaneous localization of MRI corpus callosum and
classification of atypical Parkinsonian disorders using YOLOv5
- Title(参考訳): YOLOv5を用いたMRIコーパスカロサムの同時同時局在と非定型パーキンソン病の分類
- Authors: Vamshi Krishna Kancharla, Debanjali Bhattacharya, Neelam Sinha,
Jitender Saini, Pramod Kumar Pal, Sandhya M
- Abstract要約: コーパス・カロサム(CC)は主要な白色物質繊維であり、半球間通信を可能にする。
本研究は、不定型パーキンソン病(PD)と健康管理(HC)を区別するYOLOv5ベースのCC検出フレームワークの可能性を提案する。
- 参考スコア(独自算出の注目度): 0.9236074230806579
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Structural MRI(S-MRI) is one of the most versatile imaging modality that
revolutionized the anatomical study of brain in past decades. The corpus
callosum (CC) is the principal white matter fibre tract, enabling all kinds of
inter-hemispheric communication. Thus, subtle changes in CC might be associated
with various neurological disorders. The present work proposes the potential of
YOLOv5-based CC detection framework to differentiate atypical Parkinsonian
disorders (PD) from healthy controls (HC). With 3 rounds of hold-out
validation, mean classification accuracy of 92% is obtained using the proposed
method on a proprietary dataset consisting of 20 healthy subjects and 20 cases
of APDs, with an improvement of 5% over SOTA methods (CC morphometry and visual
texture analysis) that used the same dataset. Subsequently, in order to
incorporate the explainability of YOLO predictions, Eigen CAM based heatmap is
generated for identifying the most important sub-region in CC that leads to the
classification. The result of Eigen CAM showed CC mid-body as the most
distinguishable sub-region in classifying APDs and HC, which is in-line with
SOTA methodologies and the current prevalent understanding in medicine.
- Abstract(参考訳): 構造MRI(Structure MRI、S-MRI)は、過去数十年で脳の解剖学的研究に革命をもたらした最も多彩な画像モダリティの1つである。
コーパスカロサム(CC)は主要な白色物質繊維であり、あらゆる種類の半球間通信を可能にする。
したがって、ccの微妙な変化は様々な神経疾患と関連している可能性がある。
本研究は、不定型パーキンソン病(PD)と健康制御(HC)を区別するYOLOv5ベースのCC検出フレームワークの可能性を提案する。
3ラウンドのホールドアウト検証により,20名の健常者と20名のAPDからなるプロプライエタリなデータセットを用いて,92%の平均分類精度を求め,同じデータセットを用いたSOTA法(CC形態計測,視覚テクスチャ解析)よりも5%向上した。
その後, YOLO予測の可否を説明するために, Eigen CAMをベースとしたヒートマップが生成され, 分類に繋がるCCの最も重要なサブリージョンを同定する。
apdsとhcの分類において,cc中間体は最も識別可能なサブ領域であり,soma法や医学における現在一般的な理解と並んでいる。
関連論文リスト
- Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - Autism Spectrum Disorder Classification in Children based on Structural
MRI Features Extracted using Contrastive Variational Autoencoder [5.2927782596213]
自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、患者に社会的相互作用能力の重大な障害をもたらす精神疾患である。
機械学習とニューロイメージング技術の発展に伴い、構造MRI(s-MRI)に基づくASDの機械分類に関する研究が盛んに行われている。
5歳未満の被験者に対するASDの機械分類を行う研究はほとんどないが、わずかに予測精度が低い。
論文 参考訳(メタデータ) (2023-07-03T12:46:19Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳(メタデータ) (2023-02-03T13:50:25Z) - Superficial White Matter Analysis: An Efficient Point-cloud-based Deep
Learning Framework with Supervised Contrastive Learning for Consistent
Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。
ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。
本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
論文 参考訳(メタデータ) (2022-07-18T23:07:53Z) - White Matter Tracts are Point Clouds: Neuropsychological Score
Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。
各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。
Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
論文 参考訳(メタデータ) (2022-07-06T02:03:28Z) - Early Disease Stage Characterization in Parkinson's Disease from
Resting-state fMRI Data Using a Long Short-term Memory Network [6.487961959149217]
パーキンソン病(英: Parkinson's disease、PD)は、ホーン病とイェール病の5段階からなる、一般的で複雑な神経変性疾患である。
早期の第1期と第2期を分類し、脳機能の変化を検出することは困難である。
本稿では,PDの初期段階を特徴付けるために,LSTM(Long Short-term memory)ネットワークを提案する。
論文 参考訳(メタデータ) (2022-02-11T18:34:11Z) - Deep Joint Learning of Pathological Region Localization and Alzheimer's
Disease Diagnosis [4.5484714814315685]
BrainBagNetは、病理領域の局在とアルツハイマー病の診断を共同で学習するためのフレームワークである。
提案手法は、全脳MRI画像からのパッチレベル応答と位置情報からの識別的脳領域を示す。
5倍のクロスバリデーションにおいて,提案手法の分類性能は,AD診断および軽度認知障害予測タスクにおいて,最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2021-08-10T10:06:54Z) - ICAM-reg: Interpretable Classification and Regression with Feature
Attribution for Mapping Neurological Phenotypes in Individual Scans [3.589107822343127]
本研究では,生成的深層学習における最近の進歩を活かし,同時分類法,回帰法,特徴帰属法を開発した。
Alzheimer's Disease Neuroimaging InitiativeコホートにおけるMini-Mental State examination (MMSE)認知テストスコア予測のタスクについて検証した。
本稿では,生成したfaマップを用いて異常予測を説明し,回帰加群を組み込むことで潜在空間の不連続性を改善することを示す。
論文 参考訳(メタデータ) (2021-03-03T17:55:14Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - 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) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳(メタデータ) (2020-05-27T06:58:39Z)
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。