論文の概要: A Machine Learning Approach for Predicting Deterioration in Alzheimer's Disease

• arxiv url: http://arxiv.org/abs/2306.10334v1
• Date: Sat, 17 Jun 2023 12:23:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 22:54:02.793063
• Title: A Machine Learning Approach for Predicting Deterioration in Alzheimer's Disease
• Title（参考訳）: アルツハイマー病の悪化予測のための機械学習アプローチ
• Authors: Henry Musto, Daniel Stamate, Ida Pu, Daniel Stahl
• Abstract要約: 本稿では,機械学習を用いたアルツハイマー病の悪化について検討する。 勾配強化を含む6つの機械学習モデルを構築し評価した。 認知正常群のうちどれが劣化したかを予測するCARTを用いて,良好な予測能力を示すことができた。 軽度認知障害群では,Elastic Netによる劣化予測能力は良好であった。
• 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 paper explores deterioration in Alzheimers Disease using Machine Learning. Subjects were split into two datasets based on baseline diagnosis (Cognitively Normal, Mild Cognitive Impairment), with outcome of deterioration at final visit (a binomial essentially yes/no categorisation) using data from the Alzheimers Disease Neuroimaging Initiative (demographics, genetics, CSF, imaging, and neuropsychological testing etc). Six machine learning models, including gradient boosting, were built, and evaluated on these datasets using a nested crossvalidation procedure, with the best performing models being put through repeated nested cross-validation at 100 iterations. We were able to demonstrate good predictive ability using CART predicting which of those in the cognitively normal group deteriorated and received a worse diagnosis (AUC = 0.88). For the mild cognitive impairment group, we were able to achieve good predictive ability for deterioration with Elastic Net (AUC = 0.76).
• Abstract（参考訳）: 本稿では,機械学習を用いたアルツハイマー病の悪化について検討する。 被験者は、アルツハイマー病神経画像イニシアチブ(デマトグラフィー、遺伝学、CSF、イメージング、神経心理学検査など)のデータを用いて、最終訪問時の劣化(本質的にはイエス/ノー分類)の結果として、ベースライン診断に基づいて2つのデータセットに分割された。 勾配ブースティングを含む6つの機械学習モデルが構築され、ネストしたクロスバリデーション手順を使用してこれらのデータセット上で評価された。 認知正常群のうちどれが悪化し,より悪い診断(AUC = 0.88)を受けたかをCARTで予測し,良好な予測能力を示すことができた。 軽度認知障害群では弾性ネット(auc = 0.76)を用いて良好な劣化予測能力を得ることができた。

関連論文リスト

• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• 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)
• Introducing an ensemble method for the early detection of Alzheimer's disease through the analysis of PET scan images [0.8192907805418583]
  本研究は、アルツハイマー病を制御正常(CN)、進行性軽度認知障害(pMCI)、安定性軽度認知障害(sMCI)、アルツハイマー病(AD)の4つのグループに分類する難しい課題について考察する。 いくつかのディープラーニングモデルと伝統的な機械学習モデルがアルツハイマー病の検出に使われている。 その結果、深層学習モデルを用いてMCI患者間の差異を判断すると、全体の平均精度は93.13%、AUCは94.4%となることがわかった。
  論文  参考訳（メタデータ） (2024-03-17T16:12:50Z)
• Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
  この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。 アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
  論文  参考訳（メタデータ） (2024-02-13T15:43:30Z)
• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• A reproducible 3D convolutional neural network with dual attention module (3D-DAM) for Alzheimer's disease classification [1.5566524830295307]
  本稿では,アルツハイマー病分類のための2つの注意モジュールを備えた3次元畳み込みニューラルネットワークを提案する。 このモデルをADNIデータベースでトレーニングし、2つの独立したデータセットで本手法の一般化性を検証する。
  論文  参考訳（メタデータ） (2023-10-19T08:33:23Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Comparing Natural Language Processing Techniques for Alzheimer's Dementia Prediction in Spontaneous Speech [1.2805268849262246]
  アルツハイマー認知症(英語: Alzheimer's Dementia、AD)は、認知機能に影響を与える不治の、不安定で進行性の神経変性疾患である。 自発音声タスクによるアルツハイマー認知は、ADの分類と予測のために、音響的に前処理とバランスの取れたデータセットを提供する。
  論文  参考訳（メタデータ） (2020-06-12T17:51:16Z)

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。