論文の概要: Merging Deep Learning with Expert Knowledge for Seizure Onset Zone localization from rs-fMRI in Pediatric Pharmaco Resistant Epilepsy

• arxiv url: http://arxiv.org/abs/2306.05572v1
• Date: Thu, 8 Jun 2023 22:07:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-12 15:27:10.302818
• Title: Merging Deep Learning with Expert Knowledge for Seizure Onset Zone localization from rs-fMRI in Pediatric Pharmaco Resistant Epilepsy
• Title（参考訳）: 小児薬剤耐性てんかんにおける rs-fMRI を用いた深層学習と専門知識の融合
• Authors: Payal Kamboj, Ayan Banerjee, Sandeep K. S. Gupta and Varina L. Boerwinkle
• Abstract要約: 若年期の清垂発症帯(SOZs)は薬剤耐性てんかん(PRE)の治療に有効である 頭蓋内脳波(iEEG)によるSOZの術前局在は、安全で効果的な電極配置を必要とする。 DeepXSOZは、a)専門家による作業負荷の大幅な削減や、(b)手術チームの専門知識に基づく高感度操作を設定できる、ループ内のICソート技術である。
• 参考スコア（独自算出の注目度）: 7.087237546722617
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Surgical disconnection of Seizure Onset Zones (SOZs) at an early age is an effective treatment for Pharmaco-Resistant Epilepsy (PRE). Pre-surgical localization of SOZs with intra-cranial EEG (iEEG) requires safe and effective depth electrode placement. Resting-state functional Magnetic Resonance Imaging (rs-fMRI) combined with signal decoupling using independent component (IC) analysis has shown promising SOZ localization capability that guides iEEG lead placement. However, SOZ ICs identification requires manual expert sorting of 100s of ICs per patient by the surgical team which limits the reproducibility and availability of this pre-surgical screening. Automated approaches for SOZ IC identification using rs-fMRI may use deep learning (DL) that encodes intricacies of brain networks from scarcely available pediatric data but has low precision, or shallow learning (SL) expert rule-based inference approaches that are incapable of encoding the full spectrum of spatial features. This paper proposes DeepXSOZ that exploits the synergy between DL based spatial feature and SL based expert knowledge encoding to overcome performance drawbacks of these strategies applied in isolation. DeepXSOZ is an expert-in-the-loop IC sorting technique that a) can be configured to either significantly reduce expert sorting workload or operate with high sensitivity based on expertise of the surgical team and b) can potentially enable the usage of rs-fMRI as a low cost outpatient pre-surgical screening tool. Comparison with state-of-art on 52 children with PRE shows that DeepXSOZ achieves sensitivity of 89.79%, precision of 93.6% and accuracy of 84.6%, and reduces sorting effort by 6.7-fold. Knowledge level ablation studies show a pathway towards maximizing patient outcomes while optimizing the machine-expert collaboration for various scenarios.
• Abstract（参考訳）: 早期の青少年発症帯(SOZs)の外科的解離はPRE(Pharmaco-Resistant Epilepsy)の有効治療である。 頭蓋内脳波(iEEG)によるSOZの術前局在は、安全で効果的な電極配置を必要とする。 静止状態機能型磁気共鳴イメージング (rs-fMRI) と独立成分 (IC) 分析を用いた信号デカップリングを併用すると, iEEG の鉛配置を誘導する SOZ 局在能が期待できることが示された。 しかし、SOZ ICの識別には、手術チームによって患者1人当たり100件のICを手動で分類する必要がある。 rs-fmri を用いた soz ic の自動同定手法では, 小児データから脳ネットワークの複雑さをエンコードする深層学習 (dl) や, 空間的特徴の完全なスペクトルをエンコードできない浅層学習 (sl) の規則に基づく推論手法が用いられる。 本稿では,dlベース空間特徴とslベースエキスパート知識エンコーディングの相乗効果を生かしたdeepxsozを提案する。 DeepXSOZは、ループ内のICソート技術である a) 専門家による作業負荷のソートを著しく削減するか,あるいは外科チームの専門知識に基づいて高い感度で作業を行うように設定することができる。 b) RS-fMRIを低費用外来スクリーニングツールとして使用できる可能性がある。 Preを持つ52人の子供の最先端技術と比較すると、DeepXSOZの感度は89.79%、精度は93.6%、精度は84.6%、ソート作業は6.7倍である。 知識レベルのアブレーション研究は、様々なシナリオにおいて、マシン-専門家のコラボレーションを最適化しながら、患者結果の最大化への道筋を示す。

関連論文リスト

• The Expert Knowledge combined with AI outperforms AI Alone in Seizure Onset Zone Localization using resting state fMRI [5.691753509745111]
  安静時MRI(r-fMRI)コネトミクスとディープラーニング(DL)の併用による難治性てんかん(RE)患者における発作性発症領域(SOZ)の同定に関する専門家ガイダンスの統合 DLと統合された専門知識は、SOZの局在精度84.8&F1スコア、正の予測値と感度の調和平均91.7%を示した。 灰白質を活性化し, 白色物質を通し, 血管領域で終了する活性化は, SOZの特徴を同定した最も差別的な専門家と見なされている。
  論文  参考訳（メタデータ） (2023-12-14T21:48:56Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• 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)
• Robust and Generalisable Segmentation of Subtle Epilepsy-causing Lesions: a Graph Convolutional Approach [1.180462901068842]
  FCD(Foccal cortical dysplasia)は薬剤抵抗性てんかんの主要な原因であり、手術で治療できる。 そのため、手動の傷口マスクは高価で、限定的であり、ラッター間変動が大きい。 本稿では,グラフ畳み込みネットワーク(GCN)を用いたセマンティックセグメンテーション(セマンティックセグメンテーション,セマンティックセグメンテーション,セマンティックセグメンテーション)の手法を提案する。
  論文  参考訳（メタデータ） (2023-06-02T08:56:56Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• 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)
• Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
  複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。 本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。 実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
  論文  参考訳（メタデータ） (2021-10-07T14:03:00Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Machine Learning Methods for Brain Network Classification: Application to Autism Diagnosis using Cortical Morphological Networks [0.0]
  我々はクラウドソーシングを利用して、自閉症スペクトラム障害(ASD)診断に応用した神経疾患診断のための機械学習パイプラインのプールを構築する。 第1位チームは70%の精度、72.5%の感度、67.5%の特異性を達成し、第2位チームはそれぞれ63.8%、62.5%、65%を達成した。
  論文  参考訳（メタデータ） (2020-04-28T06:23:29Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。