論文の概要: Modeling T1 Resting-State MRI Variants Using Convolutional Neural
Networks in Diagnosis of OCD
- arxiv url: http://arxiv.org/abs/2306.12435v2
- Date: Sun, 6 Aug 2023 11:22:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 22:30:51.169831
- Title: Modeling T1 Resting-State MRI Variants Using Convolutional Neural
Networks in Diagnosis of OCD
- Title(参考訳): OCD診断における畳み込みニューラルネットワークを用いたT1静止MRI変数のモデル化
- Authors: Tarun Eswar
- Abstract要約: 強迫性障害(OCD: Obsessive-compulsive disorder)は、高度に不安定な障害である。
OCDは前頭前皮質とメタボトロピックグルタミン酸受容体5(mGluR5)と共通する
計算モデリング手法はmGluR5を含む過去の仮説の検証手段として用いられた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Obsessive-compulsive disorder (OCD) presents itself as a highly debilitating
disorder. The disorder has common associations with the prefrontal cortex and
the glutamate receptor known as Metabotropic Glutamate Receptor 5 (mGluR5).
This receptor has been observed to demonstrate higher levels of signaling from
positron emission tomography scans measured by its distribution volume ratios
in mice. Despite this evidence, studies are unable to fully verify the
involvement of mGluR5 as more empirical data is needed. Computational modeling
methods were used as a means of validation for previous hypotheses involving
mGluR5. The inadequacies in relation to the causal factor of OCD were answered
by utilizing T1 resting-state magnetic resonance imaging (TRS-MRI) scans of
patients suffering from schizophrenia, major depressive disorder, and
obsessive-compulsive disorder. Because comorbid cases often occur within these
disorders, cross-comparative abilities become necessary to find distinctive
characteristics. Two-dimensional convolutional neural networks alongside
ResNet50 and MobileNet models were constructed and evaluated for efficiency.
Activation heatmaps of TRS-MRI scans were outputted, allowing for
transcriptomics analysis. Though, a lack of ability to predict OCD cases
prevented gene expression analysis. Across all models, there was an 88.75%
validation accuracy for MDD, and 82.08% validation accuracy for SZD under the
framework of ResNet50 as well as novel computation. OCD yielded an accuracy
rate of around 54.4%. These results provided further evidence for the p-factor
theory regarding mental disorders. Future work involves the application of
alternate transfer learning networks than those used in this paper to bolster
accuracy rates.
- Abstract(参考訳): 強迫性障害(OCD)は高度に不安定な障害である。
この疾患は前頭前皮質とメタボトロピックグルタミン酸受容体5(mGluR5)と呼ばれるグルタミン酸受容体と共通する。
この受容体は、マウスの分布体積比で測定されたポジトロン放射トモグラフィースキャンから高いレベルのシグナル伝達を示すことが観察されている。
この証拠にもかかわらず、より経験的なデータが必要なため、研究はmglur5の関与を完全に検証できない。
計算モデリング手法はmGluR5を含む過去の仮説の検証手段として用いられた。
統合失調症, 大うつ病, 強迫性障害患者のt1resting-state magnetic resonance imaging (trs-mri) スキャンを用いてocdの原因因子との関連性について検討した。
これらの疾患では共生例がしばしば発生するため、共通する能力は特徴的な特徴を見つけるために必要となる。
ResNet50とMobileNetモデルとともに2次元畳み込みニューラルネットワークを構築し,効率よく評価した。
TRS-MRIスキャンの活性化熱マップが出力され、転写学的解析が可能となった。
しかし,OCD症例の予測能力の欠如は遺伝子発現解析を妨げた。
すべてのモデルで、mddの88.75%の検証精度、resnet50のフレームワークによるszdの82.08%の検証精度、そして新しい計算があった。
OCDの精度は約54.4%だった。
これらの結果は、精神疾患に関するp因子理論のさらなる証拠となった。
将来的な研究は、精度を高めるために、本論文で使用されるものよりも代替転送学習ネットワークを適用することである。
関連論文リスト
- Multimodal Neuroimaging Attention-Based architecture for Cognitive
Decline Prediction [1.4548651568912518]
アルツハイマー病の早期発見は早期治療の確保と患者の予後の改善に不可欠である。
正常な認知状態からADおよびMCIへの変換を予測する文献は非常に少ない。
我々は,認知正常(CN)個体が10年以内にMCIまたはADを発達させるかどうかを予測するために,新しいマルチモーダル・ニューロイメージング・アテンションベースのCNNアーキテクチャであるMNA-netを提案する。
論文 参考訳(メタデータ) (2023-12-21T00:56:51Z) - Diagnosing Bipolar Disorder from 3-D Structural Magnetic Resonance
Images Using a Hybrid GAN-CNN Method [0.0]
本研究では、3次元構造MRI画像(sMRI)から双極性障害(BD)を診断するためのハイブリッドGAN-CNNモデルを提案する。
その結果, 精度が75.8%, 感度が60.3%, 特異性が82.5%となり, 従来よりも3.5%高いことがわかった。
論文 参考訳(メタデータ) (2023-10-11T10:17:41Z) - Multi-resolution Spatiotemporal Enhanced Transformer Denoising with
Functional Diffusive GANs for Constructing Brain Effective Connectivity in
MCI analysis [46.04319515616324]
効果的な接続性は、脳領域間の因果パターンを記述することができる。
これらのパターンは、病態のメカニズムを明らかにし、早期診断と認知疾患に対する効果的な薬物開発を促進する可能性がある。
本稿では,機能的磁気共鳴画像(fMRI)を軽度認知障害(MCI)解析に有効な接続性に変換するために,新しいマルチレゾリューションStemporal Enhanced Transformer Denoising Networkを提案する。
論文 参考訳(メタデータ) (2023-05-18T06:54:56Z) - Generative AI for Rapid Diffusion MRI with Improved Image Quality,
Reliability and Generalizability [3.6119644566822484]
我々は,Human Connectome Projectデータに基づいて訓練されたSwin UNEt Transformersモデルを用いて,dMRIの一般化復調を行う。
成人健常者におけるHCPデータを用いた超解像実験を行った。
高速拡散テンソル画像の精度と信頼性は,90秒のスキャン時間しか必要としない。
論文 参考訳(メタデータ) (2023-03-10T03:39:23Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳(メタデータ) (2022-06-14T10:16:54Z) - 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) - StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact
Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。
本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。
提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文 参考訳(メタデータ) (2022-01-31T14:27:35Z) - Early Diagnosis of Parkinsons Disease by Analyzing Magnetic Resonance
Imaging Brain Scans and Patient Characteristics [0.0]
パーキンソン病(英: Parkinsons disease, PD)は、運動能力に影響を及ぼし、震えや剛性などの症状を含む慢性疾患である。
本研究は,パーキンソン・プログレッション・マーカー・イニシアチブ(Parkinson Progressions Markers Initiative)データベースからの症状データとMRIデータを組み合わせて,PD重症度とディープラーニングを正確に診断することを提案する。
症状に基づくモデルは、完全に接続されたディープラーニングニューラルネットワークを統合し、MRIスキャンとハイブリッドモデルは、転送学習に基づく畳み込みニューラルネットワークを統合する。
論文 参考訳(メタデータ) (2022-01-12T15:51:54Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳(メタデータ) (2021-06-04T09:51:27Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z)
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。