論文の概要: OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer's
Disease Diagnosis
- arxiv url: http://arxiv.org/abs/2307.00936v1
- Date: Mon, 3 Jul 2023 11:21:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 13:19:46.105006
- Title: OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer's
Disease Diagnosis
- Title(参考訳): openapmax : アルツハイマー病診断のための異常パターンに基づくモデル
- Authors: Yunyou Huang, Xianglong Guan, Xiangjiang Lu, Xiaoshuang Liang, Xiuxia
Miao, Jiyue Xie, Wenjing Liu, Li Ma, Suqin Tang, Zhifei Zhang, and Jianfeng
Zhan
- Abstract要約: 本稿では,アルツハイマー病の診断に対処するために,異常パターンに基づくオープンセット認識モデルOpenAPMaxを提案する。
提案手法の性能を最近のオープンセット認識を用いて評価し,その結果を得た。
- 参考スコア(独自算出の注目度): 9.316162293112738
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Alzheimer's disease (AD) cannot be reversed, but early diagnosis will
significantly benefit patients' medical treatment and care. In recent works, AD
diagnosis has the primary assumption that all categories are known a prior -- a
closed-set classification problem, which contrasts with the open-set
recognition problem. This assumption hinders the application of the model in
natural clinical settings. Although many open-set recognition technologies have
been proposed in other fields, they are challenging to use for AD diagnosis
directly since 1) AD is a degenerative disease of the nervous system with
similar symptoms at each stage, and it is difficult to distinguish from its
pre-state, and 2) diversified strategies for AD diagnosis are challenging to
model uniformly. In this work, inspired by the concerns of clinicians during
diagnosis, we propose an open-set recognition model, OpenAPMax, based on the
anomaly pattern to address AD diagnosis in real-world settings. OpenAPMax first
obtains the abnormal pattern of each patient relative to each known category
through statistics or a literature search, clusters the patients' abnormal
pattern, and finally, uses extreme value theory (EVT) to model the distance
between each patient's abnormal pattern and the center of their category and
modify the classification probability. We evaluate the performance of the
proposed method with recent open-set recognition, where we obtain
state-of-the-art results.
- Abstract(参考訳): アルツハイマー病(AD)は逆転できないが、早期診断は患者の治療や治療に大いに役立つ。
最近の研究では、AD診断はすべてのカテゴリが事前(クローズド・セットの分類問題)であることが知られているという主要な仮定を持ち、これはオープン・セットの認識問題とは対照的である。
この仮定は、自然臨床におけるモデルの適用を妨げる。
他の分野では多くのオープンセット認識技術が提案されているが、AD診断を直接利用するのは難しい。
1)adは神経系の変性疾患で、各段階に類似の症状があり、前の状態と区別が困難である。
2) 広告診断の多様化戦略は, 均一にモデル化することが困難である。
本研究では,診断中の臨床医の関心に触発されて,実環境におけるAD診断に対処するための異常パターンに基づくオープンセット認識モデルOpenAPMaxを提案する。
OpenAPMaxはまず、統計や文献検索を通じて各患者の異常パターンを取得し、患者の異常パターンをクラスタリングし、最後に、極値理論(EVT)を用いて各患者の異常パターンとそれらのカテゴリの中心の間の距離をモデル化し、分類確率を変更する。
提案手法の性能を最近のオープンセット認識を用いて評価し,その結果を得た。
関連論文リスト
- Multimodal Neurodegenerative Disease Subtyping Explained by ChatGPT [15.942849233189664]
アルツハイマー病は最も多い神経変性疾患である。
現在のデータ駆動型アプローチでは、ADまたは関連する障害の後期段階でサブタイプを分類することができるが、無症状またはプロドロマル段階の予測では困難である。
本稿では,AD患者を早期にサブタイプに分類するために,画像,遺伝学,臨床評価などの早期指標を用いたマルチモーダルフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-31T19:30:04Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳(メタデータ) (2023-11-26T14:42:31Z) - OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease
Diagnosis [11.775648630734949]
アルツハイマー病(AD)は逆転や治癒はできないが、タイムリーな診断は治療やケアの負担を大幅に軽減することができる。
AD診断モデルに関する現在の研究は、診断タスクを典型的な分類タスクと見なしている。
複雑で不確実な臨床環境下での直接AD診断のためのOpenClinicalAIを提案する。
論文 参考訳(メタデータ) (2023-07-03T12:35:03Z) - 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) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳(メタデータ) (2023-03-14T16:03:28Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳(メタデータ) (2022-06-28T05:09:01Z) - Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic
Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。
これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。
生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-08T03:06:16Z) - DxFormer: A Decoupled Automatic Diagnostic System Based on
Decoder-Encoder Transformer with Dense Symptom Representations [26.337392652262103]
診断指向対話システムは患者の健康状態を照会し、患者との継続的な対話を通じて疾患の予測を行う。
本稿では,診断プロセスを症状調査と疾患診断の2つの段階に分割する,分離された自動診断フレームワークDxFormerを提案する。
提案モデルは,医師の臨床経験を効果的に学習し,症状のリコールと診断精度の点で最先端の結果を得ることができる。
論文 参考訳(メタデータ) (2022-05-08T01:52:42Z) - An explainable two-dimensional single model deep learning approach for
Alzheimer's disease diagnosis and brain atrophy localization [3.9281410693767036]
本稿では、アルツハイマー病(AD)の自動診断と、sMRIデータから、この疾患に関連する重要な脳領域の局所化について、エンドツーエンドのディープラーニングアプローチを提案する。
提案手法は,AD対認知正常(CN)とプログレッシブMCI(pMCI)と安定MCI(sMCI)の2つの分類タスクに対して,パブリックアクセス可能な2つのデータセットで評価されている。
実験結果から,本手法はマルチモデルや3次元CNN手法など,最先端の手法よりも優れていたことが示唆された。
論文 参考訳(メタデータ) (2021-07-28T07:19:00Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-01-27T13:16:51Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳(メタデータ) (2020-03-14T02:05:54Z)
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。