Fugu-MT 論文翻訳(概要): Ricci flow-based brain surface covariance descriptors for diagnosing Alzheimer's disease

論文の概要: Ricci flow-based brain surface covariance descriptors for diagnosing Alzheimer's disease

arxiv url: http://arxiv.org/abs/2403.06645v2
Date: Mon, 18 Mar 2024 09:22:01 GMT
ステータス: 処理完了
システム内更新日: 2024-03-20 01:21:18.019229
Title: Ricci flow-based brain surface covariance descriptors for diagnosing Alzheimer's disease
Title（参考訳）: Ricci flow-based brain surface covariance Descriptorによるアルツハイマー病の診断
Authors: Fatemeh Ahmadi, Mohamad Ebrahim Shiri, Behroz Bidabad, Maral Sedaghat, Pooran Memari,
Abstract要約: 我々は、リッチエネルギー最適化を用いて、皮質表面から新しい共分散に基づく記述子を抽出するパイプラインを提案する。異常な皮質脳形態計測の分析にこの新たなサインを適用することで、アルツハイマー病の診断が可能になる。
参考スコア（独自算出の注目度）: 0.505978550354168
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automated feature extraction from MRI brain scans and diagnosis of Alzheimer's disease are ongoing challenges. With advances in 3D imaging technology, 3D data acquisition is becoming more viable and efficient than its 2D counterpart. Rather than using feature-based vectors, in this paper, for the first time, we suggest a pipeline to extract novel covariance-based descriptors from the cortical surface using the Ricci energy optimization. The covariance descriptors are components of the nonlinear manifold of symmetric positive-definite matrices, thus we focus on using the Gaussian radial basis function to apply manifold-based classification to the 3D shape problem. Applying this novel signature to the analysis of abnormal cortical brain morphometry allows for diagnosing Alzheimer's disease. Experimental studies performed on about two hundred 3D MRI brain models, gathered from Alzheimer's Disease Neuroimaging Initiative (ADNI) dataset demonstrate the effectiveness of our descriptors in achieving remarkable classification accuracy.
Abstract（参考訳）: MRI脳スキャンによる特徴の自動抽出とアルツハイマー病の診断は、現在進行中の課題である。 3D画像技術の進歩により、3Dデータ取得は2D画像よりも実現可能で効率的なものになりつつある。本稿では, 特徴量に基づくベクトルを初めて使用するのではなく, リッチエネルギー最適化を用いて, 皮質表面から新しい共分散に基づく記述子を抽出するパイプラインを提案する。共分散記述子は対称正定値行列の非線形多様体の成分であり、ガウス半径基底関数を用いて多様体に基づく分類を三次元形状問題に適用することに集中する。異常な皮質脳形態計測の分析にこの新たなサインを適用することで、アルツハイマー病の診断が可能になる。アルツハイマー病神経画像イニシアチブ(ADNI)データセットから収集された約200個の3次元MRI脳モデルに関する実験的研究により、顕著な分類精度を達成する上で、記述子の有効性が示された。

関連論文リスト

UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
3D Transformer based on deformable patch location for differential diagnosis between Alzheimer's disease and Frontotemporal dementia [0.0]
アルツハイマー病と前頭側頭葉認知症は重度の臨床症状を呈する神経変性疾患の一般的なタイプである。変形可能なパッチ位置モジュールを用いた新規な3次元トランスフォーマーアーキテクチャーを提案し,アルツハイマー病と前頭側頭葉認知症の鑑別診断を改善した。
論文参考訳（メタデータ） (2023-09-06T17:42:18Z)
Revealing Patterns of Symptomatology in Parkinson's Disease: A Latent Space Analysis with 3D Convolutional Autoencoders [0.0]
本研究は、パーキンソン病(PD)における神経変性による病態変化の追跡に、CVAE(3D Convolutional variational autoencoder)を用いたことを提案する。 Ioflupane(FPCIT)画像上の3次元CVAEを用いて,ドーパミントランスポーター(DaT)濃度とその空間パターンの変化を検出し定量化するための新しい手法を提案する。
論文参考訳（メタデータ） (2023-05-11T11:57:00Z)
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)
3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
論文参考訳（メタデータ） (2021-09-14T09:17:27Z)
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)
MRI brain tumor segmentation and uncertainty estimation using 3D-UNet architectures [0.0]
本研究では、メモリ消費を低減し、アンバランスデータの影響を低減するためにパッチベースの技術で訓練された3Dエンコーダデコーダアーキテクチャを検討する。また,テストタイム・ドロップアウト (TTD) とデータ拡張 (TTA) を用いて, てんかん, てんかんともにボキセル関連不確実性情報を導入する。この研究で提案されたモデルと不確実性推定測定は、腫瘍の分割と不確実性推定に関するタスク1および3のBraTS'20チャレンジで使用されています。
論文参考訳（メタデータ） (2020-12-30T19:28:53Z)
Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文参考訳（メタデータ） (2020-10-14T16:50:50Z)
An Explainable 3D Residual Self-Attention Deep Neural Network FOR Joint Atrophy Localization and Alzheimer's Disease Diagnosis using Structural MRI [22.34325971680329]
我々は,3D Residual Attention Deep Neural Network(3D ResAttNet)を導入し,SMRIスキャンによるエンドツーエンド学習によるアルツハイマー病早期診断のためのコンピュータ支援手法を提案する。実験結果から,提案手法は精度と一般化性の観点から,最先端モデルに対して競争上の優位性があることが示唆された。
論文参考訳（メタデータ） (2020-08-10T11:08:55Z)
Cephalometric Landmark Regression with Convolutional Neural Networks on 3D Computed Tomography Data [68.8204255655161]
側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
論文参考訳（メタデータ） (2020-07-20T12:45:38Z)
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。