論文の概要: Identification of Causal Relationship between Amyloid-beta Accumulation
and Alzheimer's Disease Progression via Counterfactual Inference
- arxiv url: http://arxiv.org/abs/2307.01389v1
- Date: Mon, 3 Jul 2023 23:02:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 18:45:32.708283
- Title: Identification of Causal Relationship between Amyloid-beta Accumulation
and Alzheimer's Disease Progression via Counterfactual Inference
- Title(参考訳): アミロイドβ蓄積とアルツハイマー病進行の因果関係の相反推論による同定
- Authors: Haixing Dai, Mengxuan Hu, Qing Li, Lu Zhang, Lin Zhao, Dajiang Zhu,
Ibai Diez, Jorge Sepulcre, Fan Zhang, Xingyu Gao, Manhua Liu, Quanzheng Li,
Sheng Li, Tianming Liu and Xiang Li
- Abstract要約: アルツハイマー病(英語: Alzheimer's disease、AD)は、アミロイドーシスから始まる神経変性疾患である。
18F-florbetapir (AV45) ポジトロン・エミッション・トモグラフィー(PET)による脳内アミロイドベータの蓄積は、ADの早期診断に広く用いられている。
- 参考スコア(独自算出の注目度): 27.822250921154446
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Alzheimer's disease (AD) is a neurodegenerative disorder that is beginning
with amyloidosis, followed by neuronal loss and deterioration in structure,
function, and cognition. The accumulation of amyloid-beta in the brain,
measured through 18F-florbetapir (AV45) positron emission tomography (PET)
imaging, has been widely used for early diagnosis of AD. However, the
relationship between amyloid-beta accumulation and AD pathophysiology remains
unclear, and causal inference approaches are needed to uncover how amyloid-beta
levels can impact AD development. In this paper, we propose a graph varying
coefficient neural network (GVCNet) for estimating the individual treatment
effect with continuous treatment levels using a graph convolutional neural
network. We highlight the potential of causal inference approaches, including
GVCNet, for measuring the regional causal connections between amyloid-beta
accumulation and AD pathophysiology, which may serve as a robust tool for early
diagnosis and tailored care.
- Abstract(参考訳): アルツハイマー病(英: alzheimer's disease、ad)は、アミロイドーシス(アミロイドーシス)から始まる神経変性疾患である。
18F-florbetapir (AV45) ポジトロン断層撮影(PET)により測定されたアミロイドベータの脳内蓄積は、ADの早期診断に広く用いられている。
しかし,アミロイドβの蓄積とAD病態との関係は未解明であり,アミロイドβがADの発達にどのような影響を及ぼすかを明らかにするために因果推論アプローチが必要である。
本稿では,グラフ畳み込みニューラルネットワークを用いて,連続処理レベルで個々の治療効果を推定するグラフ変動係数ニューラルネットワーク(gvcnet)を提案する。
我々は,アミロイドβ蓄積とAD病態の局所因果関係を測定するためのGVCNetを含む因果推論アプローチの可能性を強調した。
関連論文リスト
- 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) - LAVA: Granular Neuron-Level Explainable AI for Alzheimer's Disease
Assessment from Fundus Images [15.02513291695459]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、進行性神経変性疾患であり、認知症の主要な原因である。
網膜は、脳と解剖学的に結びついているため、AD検出の診断部位として仮説化されている。
我々は、グラニュラーニューロンレベル説明器(LAVA)と呼ばれる新しいモデルに依存しない説明可能なAIフレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-06T18:43:10Z) - Pathology Steered Stratification Network for Subtype Identification in
Alzheimer's Disease [7.594681424335177]
アルツハイマー病(英: Alzheimers disease、AD)は、β-アミロイド、病理学的タウ、神経変性を特徴とする異種多時性神経変性疾患である。
本稿では,AD病理学に確立されたドメイン知識を反応拡散モデルにより組み込んだ新しい病理組織形成ネットワーク(PSSN)を提案する。
論文 参考訳(メタデータ) (2022-10-12T02:52:00Z) - Hierarchical Graph Convolutional Network Built by Multiscale Atlases for
Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。
まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。
そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文 参考訳(メタデータ) (2022-09-22T04:17:57Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳(メタデータ) (2022-04-29T19:27:06Z) - Towards a quantitative assessment of neurodegeneration in Alzheimer's
disease [0.0]
アルツハイマー病(英語: Alzheimer's disease、AD)は、脳の記憶や他の認知領域を徐々に破壊する不可逆性神経変性疾患である。
本稿では,神経変性の空間的範囲を視覚的に表現する手段として,病理特異的イメージングコントラスト(PSIC)の概念を紹介する。
PSICの値は専用ディープニューラルネットワーク(DNN)によって計算され、特にdMRI信号の処理に適応している。
論文 参考訳(メタデータ) (2020-11-06T05:56:29Z) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳(メタデータ) (2020-09-16T15:16:03Z) - Estimation of Causal Effects in the Presence of Unobserved Confounding
in the Alzheimer's Continuum [3.2489082010225494]
アルツハイマー病の病因と効果に関する現在の臨床知識から因果グラフを導出する。
因果効果の識別可能性を示すためには,すべての共同創設者の認識と測定が必要である。
理論的解析では,代用共同設立者が神経解剖学の認知に対する因果的影響を識別できることが証明された。
論文 参考訳(メタデータ) (2020-06-23T16:29:54Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳(メタデータ) (2020-05-08T02:29:24Z)
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。