論文の概要: Multi-modal Learning based Prediction for Disease
- arxiv url: http://arxiv.org/abs/2307.09823v1
- Date: Wed, 19 Jul 2023 08:21:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-20 14:59:47.707125
- Title: Multi-modal Learning based Prediction for Disease
- Title(参考訳): マルチモーダル学習による疾患の予測
- Authors: Yaran Chen and Xueyu Chen and Yu Han and Haoran Li and Dongbin Zhao
and Jingzhong Li and Xu Wang
- Abstract要約: 非アルコール性脂肪肝疾患(NAFLD)は慢性肝疾患の最も一般的な原因であり、進行性線維症や肝硬変を防ぐために正確に予測できる。
本稿では,包括的臨床データセット(FLDData)とマルチモーダル学習に基づくNAFLD予測手法(DeepFLD)を組み合わせたNAFLD診断システム(DeepFLDDiag)を提案する。
提案されているDeepFLDは、メタデータや顔画像を含むマルチモーダル入力を使用してNAFLDを予測するように設計されたディープニューラルネットワークモデルである。
- 参考スコア(独自算出の注目度): 15.306495902841903
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Non alcoholic fatty liver disease (NAFLD) is the most common cause of chronic
liver disease, which can be predicted accurately to prevent advanced fibrosis
and cirrhosis. While, a liver biopsy, the gold standard for NAFLD diagnosis, is
invasive, expensive, and prone to sampling errors. Therefore, non-invasive
studies are extremely promising, yet they are still in their infancy due to the
lack of comprehensive research data and intelligent methods for multi-modal
data. This paper proposes a NAFLD diagnosis system (DeepFLDDiag) combining a
comprehensive clinical dataset (FLDData) and a multi-modal learning based NAFLD
prediction method (DeepFLD). The dataset includes over 6000 participants
physical examinations, laboratory and imaging studies, extensive
questionnaires, and facial images of partial participants, which is
comprehensive and valuable for clinical studies. From the dataset, we
quantitatively analyze and select clinical metadata that most contribute to
NAFLD prediction. Furthermore, the proposed DeepFLD, a deep neural network
model designed to predict NAFLD using multi-modal input, including metadata and
facial images, outperforms the approach that only uses metadata. Satisfactory
performance is also verified on other unseen datasets. Inspiringly, DeepFLD can
achieve competitive results using only facial images as input rather than
metadata, paving the way for a more robust and simpler non-invasive NAFLD
diagnosis.
- Abstract(参考訳): 非アルコール性脂肪肝疾患(NAFLD)は慢性肝疾患の最も一般的な原因であり、進行性線維症や肝硬変を防ぐために正確に予測できる。
一方、NAFLD診断のための金の基準である肝生検は、侵襲的で高価であり、エラーをサンプリングする傾向がある。
したがって、非侵襲的な研究は非常に有望であるが、総合的な研究データやマルチモーダルデータのインテリジェントな方法が欠如しているため、まだ幼年期にある。
本稿では,包括的臨床データセット(FLDData)とマルチモーダル学習に基づくNAFLD予測手法(DeepFLD)を組み合わせたNAFLD診断システム(DeepFLDDiag)を提案する。
このデータセットには、6000人以上の被験者の身体検査、実験室および画像研究、広範囲なアンケート、部分的な参加者の顔面画像が含まれており、臨床研究に包括的かつ価値のあるものである。
このデータセットから,NAFLD予測に最も寄与する臨床メタデータを定量的に分析し,選択する。
さらに、メタデータと顔画像を含むマルチモーダル入力を使用してNAFLDを予測するように設計されたディープニューラルネットワークモデルであるDeepFLDは、メタデータのみを使用するアプローチよりも優れている。
他の見えないデータセットでも満足度のパフォーマンスが検証される。
deepfldは、メタデータではなく入力として顔画像のみを使用することで、より堅牢でより簡単な非侵襲的なnafld診断への道を開くことができる。
関連論文リスト
- FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。
機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。
本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文 参考訳(メタデータ) (2024-10-28T02:24:01Z) - ISLES 2024: The first longitudinal multimodal multi-center real-world dataset in (sub-)acute stroke [2.7919032539697444]
ストロークは世界的死亡率と死亡率の主要な原因であり、社会経済的重荷を負っている。
脳卒中画像から有意義で再現可能な脳機能のモデルを抽出できる機械学習アルゴリズムを開発する。
このデータセットは, 血管造影と灌流による急性CT像, 2~9日間の経過観察, 急性期, 慢性期の臨床データなど, 経時的脳梗塞の包括的データとして初めて提供された。
論文 参考訳(メタデータ) (2024-08-20T18:59:52Z) - GFE-Mamba: Mamba-based AD Multi-modal Progression Assessment via Generative Feature Extraction from MCI [5.355943545567233]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、軽度認知障害(MCI)から進行する可逆性神経変性疾患である。
生成特徴抽出(GFE)に基づく分類器GFE-Mambaを紹介する。
評価尺度、MRI、PETのデータを統合し、より深いマルチモーダル融合を可能にする。
GFE-MambaモデルがMCIからADへの変換予測に有効であることを示す。
論文 参考訳(メタデータ) (2024-07-22T15:22:33Z) - A Non-Invasive Interpretable NAFLD Diagnostic Method Combining TCM
Tongue Features [3.027279434102167]
非アルコール性脂肪肝疾患(非アルコール性脂肪肝疾患、NAFLD)は、肝脂肪症を特徴とする臨床病理学的症候群である。
提案手法は,非侵襲的データのみを用いて77.22%の精度を実現する。
論文 参考訳(メタデータ) (2023-09-06T12:55:59Z) - Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。
CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。
睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
論文 参考訳(メタデータ) (2023-05-30T08:24:01Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳(メタデータ) (2023-05-25T16:29:16Z) - Survival Analysis for Idiopathic Pulmonary Fibrosis using CT Images and
Incomplete Clinical Data [17.162038700963418]
特発性肺線維症(IPF)は線維性肺疾患である。
肺のCTスキャンはIPF患者の臨床的評価を通知し、疾患の進行に関する関連する情報を含む。
臨床および画像データを用いたIPF患者の生存率を予測するために,ニューラルネットワークとメモリバンクを用いたマルチモーダル手法を提案する。
論文 参考訳(メタデータ) (2022-03-21T23:48:47Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
新型コロナウイルスの感染拡大で医療資源が不足している。
新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。
患者のプライバシー上の懸念から、データそのものはまだ乏しい。
我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
論文 参考訳(メタデータ) (2021-02-10T01:56:58Z) - SumGNN: Multi-typed Drug Interaction Prediction via Efficient Knowledge
Graph Summarization [64.56399911605286]
本稿では,サブグラフ抽出モジュールによって実現された知識要約グラフニューラルネットワークSumGNNを提案する。
SumGNNは5.54%まで最高のベースラインを上回り、データ関係の低いタイプでは特にパフォーマンスの向上が顕著である。
論文 参考訳(メタデータ) (2020-10-04T00:14:57Z) - Deep Learning based NAS Score and Fibrosis Stage Prediction from CT and
Pathology Data [4.506304887966763]
非アルコール性脂肪肝疾患 (NAFLD) は世界の人口で増加傾向にある。
我々はCTデータからNASスコアと線維化ステージを自動的に予測する新しい手法を提案する。
また,CTとH&Eの染色病理データから得られる情報を組み合わせてNASスコアと線維症ステージ予測の性能を向上させる手法を提案する。
論文 参考訳(メタデータ) (2020-09-22T17:02:31Z)
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。