論文の概要: Bayesian longitudinal tensor response regression for modeling
neuroplasticity
- arxiv url: http://arxiv.org/abs/2309.10065v1
- Date: Tue, 12 Sep 2023 18:48:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-24 03:53:21.739515
- Title: Bayesian longitudinal tensor response regression for modeling
neuroplasticity
- Title（参考訳）: 神経可塑性モデリングのためのベイズ縦型テンソル応答回帰
- Authors: Suprateek Kundu, Alec Reinhardt, Serena Song, M. Lawson Meadows, Bruce
Crosson, Venkatagiri Krishnamurthy
- Abstract要約: 縦断的神経画像研究における主要な関心は、訪問中の治療やその他の要因によるボクセルレベルの神経可塑性の研究である。
本研究では,空間分散ボクセル間で情報をプールする縦画像データに対する新しいベイズテンソル応答回帰手法を提案する。
提案手法は, 個別レベルの神経可塑性を推定し, パーソナライズされた疾患や回復軌道の検査を可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A major interest in longitudinal neuroimaging studies involves investigating
voxel-level neuroplasticity due to treatment and other factors across visits.
However, traditional voxel-wise methods are beset with several pitfalls, which
can compromise the accuracy of these approaches. We propose a novel Bayesian
tensor response regression approach for longitudinal imaging data, which pools
information across spatially-distributed voxels to infer significant changes
while adjusting for covariates. The proposed method, which is implemented using
Markov chain Monte Carlo (MCMC) sampling, utilizes low-rank decomposition to
reduce dimensionality and preserve spatial configurations of voxels when
estimating coefficients. It also enables feature selection via joint credible
regions which respect the shape of the posterior distributions for more
accurate inference. In addition to group level inferences, the method is able
to infer individual-level neuroplasticity, allowing for examination of
personalized disease or recovery trajectories. The advantages of the proposed
approach in terms of prediction and feature selection over voxel-wise
regression are highlighted via extensive simulation studies. Subsequently, we
apply the approach to a longitudinal Aphasia dataset consisting of task
functional MRI images from a group of subjects who were administered either a
control intervention or intention treatment at baseline and were followed up
over subsequent visits. Our analysis revealed that while the control therapy
showed long-term increases in brain activity, the intention treatment produced
predominantly short-term changes, both of which were concentrated in distinct
localized regions. In contrast, the voxel-wise regression failed to detect any
significant neuroplasticity after multiplicity adjustments, which is
biologically implausible and implies lack of power.
- Abstract（参考訳）: 縦型神経画像研究の主な関心は、訪問中の治療やその他の要因によるボクセルレベルの神経可塑性の研究である。
しかし、伝統的なvoxel-wiseメソッドにはいくつかの落とし穴があり、これらのアプローチの精度を損なう可能性がある。
本研究では,空間分布ボクセル間の情報をプールし,共変量調整中に有意な変化を推定する,縦型画像データに対するベイズテンソル応答回帰法を提案する。
提案手法はマルコフ連鎖モンテカルロ(mcmc)サンプリングを用いて実装され,低ランク分解を利用して次元を低減し,係数推定時にボクセルの空間配置を保存する。
また、より正確な推論のために後部分布の形状を尊重する継手信頼領域による特徴選択を可能にする。
グループレベルの推論に加えて、個々のレベルの神経可塑性を推測し、パーソナライズされた疾患や回復軌道の検査を可能にする。
ボクセルの回帰に対する予測と特徴選択という手法の利点は、広範囲なシミュレーション研究を通して強調される。
本研究は, ベースラインでの制御介入または意図的治療を行った被験者群から得られた, タスク機能的MRI画像からなる縦断的失語症データセットに適用し, その後の訪問で追跡した。
分析の結果,脳活動の長期的増加が認められたが,意図的治療は短期的な変化を主に生み出し,どちらも局所的に集中していた。
対照的に、voxel-wiseの回帰は、多重度調整後の有意な神経可塑性の検出に失敗した。
関連論文リスト
- Hierarchical uncertainty estimation for learning-based registration in neuroimaging [10.964653898591413]
本研究では,空間的位置の程度で推定される不確実性を伝播する原理的手法を提案する。
実験により,脳MRI画像の登録精度が向上することが確認された。
論文 参考訳（メタデータ） (2024-10-11T23:12:16Z) - On metric choice in dimension reduction for Fréchet regression [7.161207910629032]
Fr'echetレグレッションは、非伝統的なデータ型を分析するために、現代のデータ分析において主要な存在になりつつある。
これは特に、継続的なモニタリングやイメージングデータのような複雑な健康データの分析に有用である。
論文 参考訳（メタデータ） (2024-10-02T17:39:34Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Deep Variational Lesion-Deficit Mapping [0.3914676152740142]
本稿では,病変欠損モデル比較のための包括的枠組みを提案する。
また,本モデルでは,すべてのシミュレーションシナリオにおいて,確立された手法よりもかなり優れていることを示す。
我々の分析は、このアプローチの広く採用されていることを正当化する。
論文 参考訳（メタデータ） (2023-05-27T13:49:35Z) - Prediction of brain tumor recurrence location based on multi-modal
fusion and nonlinear correlation learning [55.789874096142285]
深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。
まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。
次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。
2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
論文 参考訳（メタデータ） (2023-04-11T02:45:38Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - Sparse Symmetric Tensor Regression for Functional Connectivity Analysis [13.482969034243581]
本稿では,自由パラメータの数をさらに減らし,対称性および通常のCP回帰よりも優れた性能が得られるスパース対称テンソル回帰法を提案する。
提案手法をバークレー高齢コーホート研究(BACS)からアルツハイマー病(AD)と正常年齢の研究に適用し,ADにとって重要な2つの関心領域を検出する。
論文 参考訳（メタデータ） (2020-10-28T02:07:39Z) - 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) - Simultaneous Estimation of X-ray Back-Scatter and Forward-Scatter using
Multi-Task Learning [59.17383024536595]
後方散乱は複雑な介入の際の患者(皮膚)の服用に大きく寄与する。
前方散乱放射線は投影画像のコントラストを低減し、3次元再構成でアーティファクトを導入する。
本稿では,従来の手法と学習に基づく手法を組み合わせて,検出器に到達した前方散乱を同時に推定する手法を提案する。
論文 参考訳（メタデータ） (2020-07-08T10:47:37Z) - Image Response Regression via Deep Neural Networks [4.646077947295938]
本稿では,空間変動係数モデルの枠組みにおける新しい非パラメトリック手法を提案する。
提案手法の主な考え方は,画像ボクセルを空間的有効サンプルとして扱うことであり,医用画像研究の大部分を悩ませる限られたサンプルサイズの問題を軽減することにある。
本手法の有効性を,集中シミュレーションを用いて実証し,その利点を2つの機能的磁気共鳴イメージングデータセットで分析した。
論文 参考訳（メタデータ） (2020-06-17T14:45:26Z)
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。