論文の概要: Multimodal Neuroimaging Attention-Based architecture for Cognitive Decline Prediction

• arxiv url: http://arxiv.org/abs/2401.06777v1
• Date: Thu, 21 Dec 2023 00:56:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 12:41:10.640337
• Title: Multimodal Neuroimaging Attention-Based architecture for Cognitive Decline Prediction
• Title（参考訳）: 認知的減退予測のためのマルチモーダルニューロイメージングアテンションベースアーキテクチャ
• Authors: Jamie Vo, Naeha Sharif and Ghulam Mubashar Hassan
• Abstract要約: アルツハイマー病の早期発見は早期治療の確保と患者の予後の改善に不可欠である。 正常な認知状態からADおよびMCIへの変換を予測する文献は非常に少ない。 我々は,認知正常(CN)個体が10年以内にMCIまたはADを発達させるかどうかを予測するために,新しいマルチモーダル・ニューロイメージング・アテンションベースのCNNアーキテクチャであるMNA-netを提案する。
• 参考スコア（独自算出の注目度）: 1.4548651568912518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The early detection of Alzheimer's Disease is imperative to ensure early treatment and improve patient outcomes. There has consequently been extenstive research into detecting AD and its intermediate phase, mild cognitive impairment (MCI). However, there is very small literature in predicting the conversion to AD and MCI from normal cognitive condition. Recently, multiple studies have applied convolutional neural networks (CNN) which integrate Magnetic Resonance Imaging (MRI) and Positron Emission Tomography (PET) to classify MCI and AD. However, in these works, the fusion of MRI and PET features are simply achieved through concatenation, resulting in a lack of cross-modal interactions. In this paper, we propose a novel multimodal neuroimaging attention-based CNN architecture, MNA-net, to predict whether cognitively normal (CN) individuals will develop MCI or AD within a period of 10 years. To address the lack of interactions across neuroimaging modalities seen in previous works, MNA-net utilises attention mechanisms to form shared representations of the MRI and PET images. The proposed MNA-net is tested in OASIS-3 dataset and is able to predict CN individuals who converted to MCI or AD with an accuracy of 83%, true negative rate of 80%, and true positive rate of 86%. The new state of the art results improved by 5% and 10% for accuracy and true negative rate by the use of attention mechanism. These results demonstrate the potential of the proposed model to predict cognitive impairment and attention based mechanisms in the fusion of different neuroimaging modalities to improve the prediction of cognitive decline.
• Abstract（参考訳）: アルツハイマー病の早期発見は早期治療の確保と患者の予後の改善に不可欠である。 その結果、ADとその中間段階である軽度認知障害(MCI)を検出するための拡張研究が行われた。 しかし、通常の認知状態からadとmciへの変換を予測する文献は非常に少ない。 近年,磁気共鳴イメージング(MRI)とポジトロン放射トモグラフィ(PET)を統合した畳み込みニューラルネットワーク(CNN)を用いてMCIとADを分類している。 しかし、これらの研究において、MRIとPETの融合は単に結合によって達成され、結果として相互モーダル相互作用が欠如する。 本稿では,認知正常者(cn)が10年以内にmciまたはadを発症するかどうかを予測するために,mna-net(multimodal neuroimaging attention-based cnn architecture)を提案する。 従来の研究で見られる神経画像モダリティ間の相互作用の欠如を解決するため、MNA-netはMRIとPET画像の共有表現を形成するために注意機構を利用する。 提案したMNA-netはOASIS-3データセットでテストされ、精度83%、真陰率80%、真正率86%でMCIまたはADに変換されたCN個体を予測できる。 その結果, 注意機構を用いることで, 精度と正負率を5%, 10%向上させることができた。 これらの結果は、認知低下の予測を改善するために、異なる神経画像モダリティの融合における認知障害と注意に基づくメカニズムを予測するモデルの可能性を示す。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Early diagnosis of Alzheimer's disease from MRI images with deep learning model [0.7673339435080445]
  アルツハイマー病は世界中で認知症の最も一般的な原因である。 認知症の分類には、医学的履歴レビュー、神経心理学的テスト、MRI(MRI)などのアプローチが含まれる 本稿では,AD画像から重要な特徴を抽出するために,事前学習した畳み込みニューラルネットワークをDEMNET認知ネットワークに適用する。
  論文  参考訳（メタデータ） (2024-09-27T15:07:26Z)
• Leveraging Persistent Homology for Differential Diagnosis of Mild Cognitive Impairment [2.474908349649168]
  軽度認知障害(MCI)は、認知機能の微妙な変化が特徴であり、しばしば脳の接続の混乱と関連している。 本研究では,6種類の被験者の脳ネットワークに関連する神経変性のトポロジカルな変化を調べるための,新しい微粒化分析法を提案する。
  論文  参考訳（メタデータ） (2024-08-28T09:01:55Z)
• 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)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Is a PET all you need? A multi-modal study for Alzheimer's disease using 3D CNNs [3.678164468512092]
  アルツハイマー病(Alzheimer's Disease, AD)は、認知症の最も一般的な形態であり、認知症の多因子因果関係により診断が困難であることが多い。 神経画像を用いた深部神経ネットワーク(DNN)を用いたコンピュータ支援診断の最近の研究は、構造的磁気共鳴画像(sMRI)とフルオロデオキシグルコースポジトロン放射断層撮影(FDG-PET)を融合させることにより、ADの健康管理と被験者の集団において精度が向上することを示した。 今後のマルチモーダル融合の取り組みは,提案した評価枠組みに従って,個別のモダリティの貢献を体系的に評価すべきである,と論じる。
  論文  参考訳（メタデータ） (2022-07-05T14:55:56Z)
• 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)
• Improving 3D convolutional neural network comprehensibility via interactive visualization of relevance maps: Evaluation in Alzheimer's disease [0.8031935951075242]
  畳み込みニューラルネットワーク(CNN)は、磁気共鳴イメージング(MRI)スキャンに基づいてアルツハイマー病(AD)認知症を検出する高い診断精度を実現します。 この理由の1つは、モデル理解性の欠如である。 より精度の高いモデルは、事前知識によって事前に定義された差別的脳領域にも依存するかどうかを検討した。
  論文  参考訳（メタデータ） (2020-12-18T15:16:50Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• 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。