論文の概要: Predicting Parkinson's disease evolution using deep learning

• arxiv url: http://arxiv.org/abs/2312.17290v2
• Date: Fri, 5 Jan 2024 09:36:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 17:29:20.882509
• Title: Predicting Parkinson's disease evolution using deep learning
• Title（参考訳）: 深層学習を用いたパーキンソン病の進展予測
• Authors: Maria Frasca, Davide La Torre, Gabriella Pravettoni, Ilaria Cutica
• Abstract要約: パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。 パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。 進行の段階を特定するために設計されたAIツールは存在しない。
• 参考スコア（独自算出の注目度）: 1.4610685586329806
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parkinson's disease is a neurological condition that occurs in nearly 1% of the world's population. The disease is manifested by a drop in dopamine production, symptoms are cognitive and behavioural and include a wide range of personality changes, depressive disorders, memory problems, and emotional dysregulation, which can occur as the disease progresses. Early diagnosis and accurate staging of the disease are essential to apply the appropriate therapeutic approaches to slow cognitive and motor decline. Currently, there is not a single blood test or biomarker available to diagnose Parkinson's disease. Magnetic resonance imaging has been used for the past three decades to diagnose and distinguish between PD and other neurological conditions. However, in recent years new possibilities have arisen: several AI algorithms have been developed to increase the precision and accuracy of differential diagnosis of PD at an early stage. To our knowledge, no AI tools have been designed to identify the stage of progression. This paper aims to fill this gap. Using the "Parkinson's Progression Markers Initiative" dataset, which reports the patient's MRI and an indication of the disease stage, we developed a model to identify the level of progression. The images and the associated scores were used for training and assessing different deep-learning models. Our analysis distinguished four distinct disease progression levels based on a standard scale (Hoehn and Yah scale). The final architecture consists of the cascading of a 3DCNN network, adopted to reduce and extract the spatial characteristics of the RMI for efficient training of the successive LSTM layers, aiming at modelling the temporal dependencies among the data. Our results show that the proposed 3DCNN + LSTM model achieves state-of-the-art results by classifying the elements with 91.90\% as macro averaged OVR AUC on four classes
• Abstract（参考訳）: パーキンソン病(perkinson's disease)は、世界の人口の1%近くで起こる神経疾患である。 この疾患は、ドパミン産生の低下によって現れ、症状は認知的および行動的であり、疾患が進行するにつれて起こりうる幅広い性格変化、抑うつ性障害、記憶障害、感情的不規則を含む。 この疾患の早期診断と正確なステージングは、認知と運動の低下を遅くする適切な治療法を適用するために不可欠である。 現在、パーキンソン病の診断に利用可能な血液検査やバイオマーカーは1つもない。 磁気共鳴イメージングは過去30年間、pdと他の神経疾患の診断と鑑別に用いられてきた。 しかし、近年、いくつかのAIアルゴリズムが開発され、早期にPDの鑑別診断の精度と精度が向上している。 我々の知る限りでは、進歩の段階を特定するためのAIツールは作られていない。 本稿ではこのギャップを埋めることを目的とする。 parkinson's progression markers initiative(パーキンソンの進歩マーカーイニシアチブ)データセットを用いて、患者のmriと疾患ステージの兆候を報告し、進行レベルを特定するモデルを開発した。 画像と関連するスコアは、異なるディープラーニングモデルのトレーニングと評価に使用された。 標準尺度 (hoehn, yah scale) に基づき, 4つの異なる疾患進展レベルを識別した。 最終アーキテクチャは、3DCNNネットワークのカスケードで構成され、連続するLSTM層の効率的なトレーニングのためにRMIの空間特性を低減・抽出するために採用され、データ間の時間的依存関係をモデル化することを目的としている。 提案する3dcnn + lstmモデルは, 91.90\%の要素をマクロ平均ovr aucとして4つのクラスで分類することにより, 最先端の結果が得られることを示す。

関連論文リスト

• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
  変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。 ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
  論文  参考訳（メタデータ） (2024-05-13T17:49:20Z)
• Enhancing Spatiotemporal Disease Progression Models via Latent Diffusion and Prior Knowledge [2.7853513988338108]
  本稿では,潜伏拡散に基づく時間的疾患モデルであるBrain LaLAS(BrLP)を紹介する。 BrLPは3D脳の進行MRIで個々のレベルでの疾患の進化を予測するように設計されている。
  論文  参考訳（メタデータ） (2024-05-06T10:07:16Z)
• Introducing an ensemble method for the early detection of Alzheimer's disease through the analysis of PET scan images [0.8192907805418583]
  本研究は、アルツハイマー病を制御正常(CN)、進行性軽度認知障害(pMCI)、安定性軽度認知障害(sMCI)、アルツハイマー病(AD)の4つのグループに分類する難しい課題について考察する。 いくつかのディープラーニングモデルと伝統的な機械学習モデルがアルツハイマー病の検出に使われている。 その結果、深層学習モデルを用いてMCI患者間の差異を判断すると、全体の平均精度は93.13%、AUCは94.4%となることがわかった。
  論文  参考訳（メタデータ） (2024-03-17T16:12:50Z)
• Determining the severity of Parkinson's disease in patients using a multi task neural network [0.7499722271664147]
  パーキンソン病は進行すると容易に診断できるが、早期の診断は困難である。 本研究では,音声分析から容易に抽出できる変数の集合を解析する。 99.15%の成功率は、パーキンソン病またはパーキンソン病以外の重度のパーキンソン病に罹患しているかどうかを予測する問題で達成されている。
  論文  参考訳（メタデータ） (2024-02-08T08:55:34Z)
• 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)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• Deep Convolutional Neural Network based Classification of Alzheimer's Disease using MRI data [8.609787905151563]
  アルツハイマー病(Alzheimer's disease、AD)は、脳細胞を破壊し、患者の記憶に損失を引き起こす進行性および不治性の神経変性疾患である。 本稿では,不均衡な3次元MRIデータセットを用いた2次元深部畳み込みニューラルネットワーク(2D-DCNN)によるADの診断手法を提案する。 このモデルはMRIをAD、軽度認知障害、正常制御の3つのカテゴリに分類し、99.89%の分類精度を不均衡クラスで達成した。
  論文  参考訳（メタデータ） (2021-01-08T06:51:08Z)
• Multimodal Gait Recognition for Neurodegenerative Diseases [38.06704951209703]
  3つの神経変性疾患の歩容差を学習するための新しいハイブリッドモデルを提案する。 新しい相関メモリニューラルネットワークアーキテクチャは、時間的特徴を抽出するために設計されている。 いくつかの最先端技術と比較して,提案手法はより正確な分類結果を示す。
  論文  参考訳（メタデータ） (2021-01-07T10:17:11Z)
• Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing Parkinson's Disease Motor Severity [39.51722822896373]
  パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。 PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。 MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-17T11:49:30Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。