論文の概要: Multiscale Neuroimaging Features for the Identification of Medication
Class and Non-Responders in Mood Disorder Treatment
- arxiv url: http://arxiv.org/abs/2402.07858v1
- Date: Mon, 12 Feb 2024 18:05:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 13:05:55.997985
- Title: Multiscale Neuroimaging Features for the Identification of Medication
Class and Non-Responders in Mood Disorder Treatment
- Title（参考訳）: 気分障害における薬物クラスと非レスポンダーの同定のためのマルチスケール神経画像特徴
- Authors: Bradley T. Baker, Mustafa S. Salman, Zening Fu, Armin Iraji, Elizabeth
Osuch, Jeremy Bockholt, Vince D. Calhoun
- Abstract要約: マルチ空間規模のニューロイメージング機能の利用は,関連薬物クラスと非対応者の識別に,リッチで堅牢な基盤を提供することを示す。
生成した特徴は、高速かつ自動的な特徴選択のための新しいアプローチとともに、薬品クラスと非対応者の識別において高い精度でサポートできることを実証する。
- 参考スコア（独自算出の注目度）: 12.050378018342933
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the clinical treatment of mood disorders, the complex behavioral symptoms
presented by patients and variability of patient response to particular
medication classes can create difficulties in providing fast and reliable
treatment when standard diagnostic and prescription methods are used.
Increasingly, the incorporation of physiological information such as
neuroimaging scans and derivatives into the clinical process promises to
alleviate some of the uncertainty surrounding this process. Particularly, if
neural features can help to identify patients who may not respond to standard
courses of anti-depressants or mood stabilizers, clinicians may elect to avoid
lengthy and side-effect-laden treatments and seek out a different, more
effective course that might otherwise not have been under consideration.
Previously, approaches for the derivation of relevant neuroimaging features
work at only one scale in the data, potentially limiting the depth of
information available for clinical decision support. In this work, we show that
the utilization of multi spatial scale neuroimaging features - particularly
resting state functional networks and functional network connectivity measures
- provide a rich and robust basis for the identification of relevant medication
class and non-responders in the treatment of mood disorders. We demonstrate
that the generated features, along with a novel approach for fast and automated
feature selection, can support high accuracy rates in the identification of
medication class and non-responders as well as the identification of novel,
multi-scale biomarkers.
- Abstract（参考訳）: 気分障害の臨床治療において、患者が提示する複雑な行動症状と特定の薬物クラスに対する患者反応の変動は、標準診断法や処方薬法を用いる場合に、迅速かつ信頼性の高い治療を提供するのに困難をもたらす可能性がある。
神経画像スキャンや誘導体などの生理学的情報を臨床プロセスに組み込むことにより、このプロセスを取り巻く不確実性を軽減することが期待されている。
特に、ニューラルな特徴が抗うつ薬や気分安定剤の標準的なコースに反応しない患者を特定するのに役立ち、臨床医は長大で副作用のある治療を回避し、考慮されていないかもしれない別の、より効果的なコースを探すことができる。
これまで、関連する神経画像の特徴を導出するためのアプローチは、データ内の1つのスケールでのみ機能し、臨床診断支援に利用可能な情報の深さを制限する可能性があった。
本研究では,多空間規模のニューロイメージング機能(特に静止状態機能ネットワークと機能的ネットワーク接続対策)の利用が,気分障害の治療における関連薬物クラスと非対応者の識別に,リッチで堅牢な基盤を提供することを示す。
生成した特徴は、高速かつ自動的な特徴選択のための新しいアプローチとともに、薬品クラスと非対応者の識別における高い精度と、新規なマルチスケールバイオマーカーの識別を支援することができることを示す。
関連論文リスト
- A review of handcrafted and deep radiomics in neurological diseases: transitioning from oncology to clinical neuroimaging [2.651601515140236]
ラジオミクス(Radiomics)は、画像データから定量的な情報を抽出する手法である。
本稿では,臨床から見た放射線パイプラインについて概説する。
神経画像診断における手技と深部放射線の応用について論じる。
論文 参考訳（メタデータ） (2024-07-18T16:12:07Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - Counterfactual Explanations and Predictive Models to Enhance Clinical
Decision-Making in Schizophrenia using Digital Phenotyping [0.966840768820136]
統合失調症患者の症状の個人的変化を予測・検出・説明できる機械学習システムを提案する。
このシステムは、変更点アルゴリズムを用いて症状の減少を検知し、医療におけるシミュレーションされた継続的監視シナリオにおけるリコースとして反ファクト的説明を用いる。
論文 参考訳（メタデータ） (2023-06-06T19:33:03Z) - Promises and pitfalls of deep neural networks in neuroimaging-based
psychiatric research [0.9449650062296824]
ディープニューラルネットワーク、特に畳み込みニューラルネットワークは、医療画像の強力なツールへと進化してきた。
ここでは、まず、方法論的鍵概念と結果の方法論的約束について紹介する。
神経画像に基づく精神医学研究における最近の応用を振り返り、現在の課題について論じる。
論文 参考訳（メタデータ） (2023-01-20T12:05:59Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳（メタデータ） (2022-11-08T17:29:40Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Applications of Epileptic Seizures Detection in Neuroimaging Modalities
Using Deep Learning Techniques: Methods, Challenges, and Future Works [12.393282115173387]
てんかん発作は、世界中の多くの人々に影響を及ぼす神経疾患の一種である。
専門医や神経学者は、様々な種類のてんかん発作を診断するために、構造的および機能的な神経画像モダリティを利用する。
てんかん発作の正確かつ迅速な診断を早める1つの方法は、人工知能(AI)と機能的および構造的ニューロイメージングモダリティに基づくコンピュータ支援診断システム(CADS)を採用することである。
論文 参考訳（メタデータ） (2021-05-29T12:00:39Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Representation learning for improved interpretability and classification
accuracy of clinical factors from EEG [7.323779456638996]
脳波に基づく神経測定は、うつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能する。
これまでの研究では、脳波に基づく神経計測がうつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能することを示した。
しかし,その臨床的有用性は,1)脳波データに関連する固有ノイズに対処する自動化方法の欠如,2)脳波信号のどの側面が臨床疾患のマーカーであるかの知識の欠如など,完全には実現されていない。
論文 参考訳（メタデータ） (2020-10-28T23:21:36Z) - 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) - 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。