論文の概要: Analysing heterogeneity in Alzheimer Disease using multimodal normative modelling on ATN biomarkers
- arxiv url: http://arxiv.org/abs/2404.05748v1
- Date: Thu, 4 Apr 2024 06:06:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-10 18:58:15.286442
- Title: Analysing heterogeneity in Alzheimer Disease using multimodal normative modelling on ATN biomarkers
- Title(参考訳): ATNバイオマーカーを用いたマルチモーダル規範モデルを用いたアルツハイマー病の多様性解析
- Authors: Sayantan Kumara, Thomas Earnest, Braden Yang, Deydeep Kothapalli, Tammie L. S. Benzinger, Brian A. Gordon, Philip Payne, Aristeidis Sotiras,
- Abstract要約: アルツハイマー病(英語: Alzheimer Disease, AD)は、多面性疾患の一種で、ADの特異な相補的な情報を提供する。
本研究では,ATN(アミロイド・タウ・ニューロジェネレーション)バイオマーカーの局所脳パターンの不均一性を評価するために,深層学習型ニューロイメージングに基づく規範モデルを用いた。
- 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: Alzheimer Disease (AD) is a multi-faceted disorder, with each modality providing unique and complementary info about AD. In this study, we used a deep-learning based multimodal normative model to assess the heterogeneity in regional brain patterns for ATN (amyloid-tau-neurodegeneration) biomarkers. We selected discovery (n = 665) and replication (n = 430) cohorts with simultaneous availability of ATN biomarkers: Florbetapir amyloid, Flortaucipir tau and T1-weighted MRI (magnetic resonance imaging) imaging. A multimodal variational autoencoder (conditioned on age and sex) was used as a normative model to learn the multimodal regional brain patterns of a cognitively unimpaired (CU) control group. The trained model was applied on individuals on the ADS (AD Spectrum) to estimate their deviations (Z-scores) from the normative distribution, resulting in a Z-score regional deviation map per ADS individual per modality. ADS individuals with moderate or severe dementia showed higher proportion of regional outliers for each modality as well as more dissimilarity in modality-specific regional outlier patterns compared to ADS individuals with early or mild dementia. DSI was associated with the progressive stages of dementia, (ii) showed significant associations with neuropsychological composite scores and (iii) related to the longitudinal risk of CDR progression. Findings were reproducible in both discovery and replication cohorts. Our is the first study to examine the heterogeneity in AD through the lens of multiple neuroimaging modalities (ATN), based on distinct or overlapping patterns of regional outlier deviations. Regional MRI and tau outliers were more heterogenous than regional amyloid outliers. DSI has the potential to be an individual patient metric of neurodegeneration that can help in clinical decision making and monitoring patient response for anti-amyloid treatments.
- Abstract(参考訳): アルツハイマー病(英語: Alzheimer Disease、AD)は、多面性疾患であり、それぞれがADに関する特異かつ相補的な情報を提供する。
本研究では、深層学習に基づく多モード規範モデルを用いて、ATNバイオマーカーの局所脳パターンの不均一性を評価する。
我々は,TNバイオマーカー(Florbetapir amyloid,Flortaucipir tau,T1-weighted MRI(MRI))の同時使用が可能な発見(n = 665)と複製(n = 430)コホートを選択した。
マルチモーダル変動型オートエンコーダ(年齢と性別を条件とした)は,認知的不障害(CU)制御群の多モーダル局所脳パターンを学習するための規範モデルとして用いられた。
トレーニングされたモデルは、標準分布から偏差(Zスコア)を推定するためにADS(AD Spectrum)の個人に適用され、その結果、ADSの個人毎の局所偏差マップが得られた。
健常者および重度認知症者は,早期または軽度認知症と比較して,各モダリティの地域外乱率が高いとともに,モダリティ特異的地域外乱パターンの相違が大きかった。
DSIは認知症の進行段階と関連していた。
(II)神経心理学複合スコアと有意な関連性を示した。
(iii)CDR進行の経時的リスクに関連する。
発見は発見と複製のコホートの両方で再現可能であった。
本研究は,多発性神経画像モダリティ (ATN) のレンズによるADの多様性を,地域外縁偏差の相違パターンや重なりパターンに基づいて検討した最初の研究である。
局所MRI, Tauoutliersは局所アミロイドoutliersよりも異種性であった。
DSIは、抗アミロイド療法に対する患者反応の臨床的決定とモニタリングに役立つ、神経変性の個々の患者指標となる可能性がある。
関連論文リスト
- Unsupervised Anomaly Detection using Aggregated Normative Diffusion [46.24703738821696]
教師なし異常検出は、より広い範囲の異常を識別する可能性がある。
既存の最先端のUADアプローチは、様々な種類の異常に対してうまく一般化しない。
Aggregated Normative Diffusion (ANDi) という新しいUAD法を提案する。
論文 参考訳(メタデータ) (2023-12-04T14:02:56Z) - A Surface-Based Federated Chow Test Model for Integrating APOE Status,
Tau Deposition Measure, and Hippocampal Surface Morphometry [18.36168858563601]
アルツハイマー病(英: Alzheimer's Disease、AD)は、認知症で最も一般的な疾患であり、CDCのデータによると65歳以上の6200万人に影響を及ぼす。
有効なAD診断バイオマーカーの発見は、公衆衛生上の大きな利益をもたらす可能性があると一般的に合意されている。
論文 参考訳(メタデータ) (2023-03-31T21:17:54Z) - Pathology Steered Stratification Network for Subtype Identification in
Alzheimer's Disease [7.594681424335177]
アルツハイマー病(英: Alzheimers disease、AD)は、β-アミロイド、病理学的タウ、神経変性を特徴とする異種多時性神経変性疾患である。
本稿では,AD病理学に確立されたドメイン知識を反応拡散モデルにより組み込んだ新しい病理組織形成ネットワーク(PSSN)を提案する。
論文 参考訳(メタデータ) (2022-10-12T02:52:00Z) - Hierarchical Graph Convolutional Network Built by Multiscale Atlases for
Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。
まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。
そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文 参考訳(メタデータ) (2022-09-22T04:17:57Z) - Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian
Shape Framework [65.19784967388934]
RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。
本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。
実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
論文 参考訳(メタデータ) (2022-06-30T13:04:42Z) - Disentangling Alzheimer's disease neurodegeneration from typical brain
aging using machine learning [2.388738275105558]
神経イメージングバイオマーカーは、典型的な脳老化とアルツハイマー病(AD)を区別する
我々はこの2つを解消するための方法論を提示する。
遠絡SPAREモデルは2種類の脳変化に特異的な脳パターンを導出した。
論文 参考訳(メタデータ) (2021-09-08T15:33:29Z) - An explainable two-dimensional single model deep learning approach for
Alzheimer's disease diagnosis and brain atrophy localization [3.9281410693767036]
本稿では、アルツハイマー病(AD)の自動診断と、sMRIデータから、この疾患に関連する重要な脳領域の局所化について、エンドツーエンドのディープラーニングアプローチを提案する。
提案手法は,AD対認知正常(CN)とプログレッシブMCI(pMCI)と安定MCI(sMCI)の2つの分類タスクに対して,パブリックアクセス可能な2つのデータセットで評価されている。
実験結果から,本手法はマルチモデルや3次元CNN手法など,最先端の手法よりも優れていたことが示唆された。
論文 参考訳(メタデータ) (2021-07-28T07:19:00Z) - Unsupervised Domain Adaptation for Dysarthric Speech Detection via
Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。
DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。
実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
論文 参考訳(メタデータ) (2021-06-18T13:34:36Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - MAGIC: Multi-scale Heterogeneity Analysis and Clustering for Brain
Diseases [3.955454029331185]
マルチスケールクラスタリングを活用することにより,病気の多様性を明らかにする新しい手法MAGICを提案する。
シミュレーションした異種神経解剖学的データを用いてMAGICを検証するとともに、アルツハイマー病(AD)の異種性を探究して臨床応用の可能性を示す。
以上の結果より,大脳皮質大萎縮と大脳皮質大萎縮の2つの亜型は,海馬の微細萎縮と大脳皮質大萎縮の2つからなることが明らかとなった。
論文 参考訳(メタデータ) (2020-07-01T23:42:37Z) - 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。