論文の概要: NeuroMorphix: A Novel Brain MRI Asymmetry-specific Feature Construction Approach For Seizure Recurrence Prediction

• arxiv url: http://arxiv.org/abs/2404.10290v1
• Date: Tue, 16 Apr 2024 05:28:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-17 18:02:32.376725
• Title: NeuroMorphix: A Novel Brain MRI Asymmetry-specific Feature Construction Approach For Seizure Recurrence Prediction
• Title（参考訳）: NeuroMorphix:脳MRI非対称性特異的特徴構築手法
• Authors: Soumen Ghosh, Viktor Vegh, Shahrzad Moinian, Hamed Moradi, Alice-Ann Sullivan, John Phamnguyen, David Reutens,
• Abstract要約: 精垂再発は初発未発症の発作後の重要な問題である。 NeuroMorphixはMRI脳解剖に基づく機能構築アプローチである。 最新の分類アルゴリズムは、発作再発を予測するためにNeuroMorphix機能を使用して訓練され、テストされた。
• 参考スコア（独自算出の注目度）: 0.35898124827270983
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Seizure recurrence is an important concern after an initial unprovoked seizure; without drug treatment, it occurs within 2 years in 40-50% of cases. The decision to treat currently relies on predictors of seizure recurrence risk that are inaccurate, resulting in unnecessary, possibly harmful, treatment in some patients and potentially preventable seizures in others. Because of the link between brain lesions and seizure recurrence, we developed a recurrence prediction tool using machine learning and clinical 3T brain MRI. We developed NeuroMorphix, a feature construction approach based on MRI brain anatomy. Each of seven NeuroMorphix features measures the absolute or relative difference between corresponding regions in each cerebral hemisphere. FreeSurfer was used to segment brain regions and to generate values for morphometric parameters (8 for each cortical region and 5 for each subcortical region). The parameters were then mapped to whole brain NeuroMorphix features, yielding a total of 91 features per subject. Features were generated for a first seizure patient cohort (n = 169) categorised into seizure recurrence and non-recurrence subgroups. State-of-the-art classification algorithms were trained and tested using NeuroMorphix features to predict seizure recurrence. Classification models using the top 5 features, ranked by sequential forward selection, demonstrated excellent performance in predicting seizure recurrence, with area under the ROC curve of 88-93%, accuracy of 83-89%, and F1 score of 83-90%. Highly ranked features aligned with structural alterations known to be associated with epilepsy. This study highlights the potential for targeted, data-driven approaches to aid clinical decision-making in brain disorders.
• Abstract（参考訳）: 静注再発は初発性発作後の重要な問題であり,薬物療法なしでは40～50%の症例で2年以内に発症する。 現在治療の決定は、不正確な発作再発リスクの予測者に依存しており、一部の患者では不必要で有害な治療が行われ、他の患者では予防可能な発作が発生する可能性がある。 脳病変と発作再発の関係から,機械学習と臨床3T脳MRIを用いた再発予測ツールを開発した。 MRI脳解剖に基づく機能構築手法であるNeuroMorphixを開発した。 7つのNeuroMorphixの特徴は、それぞれの大脳半球の対応する領域間の絶対的または相対的な差を測定する。 FreeSurferは、脳の領域を分割し、形態計測パラメーターの値を生成するのに使われた(皮質の各領域は8、皮質下領域は5)。 パラメーターは全脳神経筋の特徴にマッピングされ、被験者1人あたり91の特徴が得られた。 発作再発群と非再発群に分類した第1発作患者コホート(n = 169)に特徴が認められた。 最新の分類アルゴリズムは、発作再発を予測するためにNeuroMorphix機能を使用して訓練され、テストされた。 ROC曲線88～93%,精度83～89%,F1スコア83～90%で発作再発の予測に優れた成績を示した。 高位の特徴はてんかんに関連することが知られている構造変化と一致している。 本研究は,脳疾患における臨床的意思決定を支援するための,データ駆動型アプローチの可能性を強調した。

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)
• Brain Tumor Segmentation Based on Deep Learning, Attention Mechanisms, and Energy-Based Uncertainty Prediction [0.0]
  脳腫瘍は、死亡率80%を超える最も致命的ながんの1つである。 医学的分析では、脳腫瘍の手動アノテーションとセグメンテーションは複雑な作業である。 本稿では,データ前処理中に実装された関心領域検出アルゴリズムを提案する。 ソフトアテンションを持つ完全畳み込みオートエンコーダは、異なる脳MRIをセグメント化する。
  論文  参考訳（メタデータ） (2023-12-31T20:42:52Z)
• Bayesian longitudinal tensor response regression for modeling neuroplasticity [0.0]
  縦断的神経画像研究における主要な関心は、訪問中の治療やその他の要因によるボクセルレベルの神経可塑性の研究である。 本研究では,空間分散ボクセル間で情報をプールする縦画像データに対する新しいベイズテンソル応答回帰手法を提案する。 提案手法は, 個別レベルの神経可塑性を推定し, パーソナライズされた疾患や回復軌道の検査を可能にする。
  論文  参考訳（メタデータ） (2023-09-12T18:48:18Z)
• Prediction of brain tumor recurrence location based on multi-modal fusion and nonlinear correlation learning [55.789874096142285]
  深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。 まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。 次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。 2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
  論文  参考訳（メタデータ） (2023-04-11T02:45:38Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• An End-to-End Deep Learning Approach for Epileptic Seizure Prediction [4.094649684498489]
  畳み込みニューラルネットワーク(CNN)を用いたエンドツーエンドディープラーニングソリューションを提案する。 総合感度、誤予測率、受信機動作特性曲線下の面積は、それぞれ2つのデータセットで93.5%、0.063/h、0.981、98.8%、0.074/h、0.988に達する。
  論文  参考訳（メタデータ） (2021-08-17T05:49:43Z)
• A self-supervised learning strategy for postoperative brain cavity segmentation simulating resections [46.414990784180546]
  畳み込みニューラルネットワーク(CNN)は最先端の画像セグメンテーション技術である。 CNNはトレーニングに大量の注釈付きデータセットを必要とする。 自己教師型学習戦略は、トレーニングにラベルのないデータを活用することができる。
  論文  参考訳（メタデータ） (2021-05-24T12:27:06Z)
• Patient-independent Epileptic Seizure Prediction using Deep Learning Models [39.19336481493405]
  発作予知システムの目的は、発作が起こる前に起こる前頭前脳のステージを正常に識別することである。 患者に依存しない発作予測モデルは、データセット内の複数の被験者に正確なパフォーマンスを提供するように設計されている。 患者に依存しない2つの深層学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-18T23:13:48Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Longitudinal Pooling & Consistency Regularization to Model Disease Progression from MRIs [11.979581631288832]
  本稿では,新しい縦型プール層に特徴抽出を結合させることにより,来訪者間の特徴を結合することを提案する。 アルツハイマー病神経画像イニシアチブ(ADNI)は,正常な274例とアルコール使用障害(AUD)329例からなる。 これら3つの実験において、我々の方法は、他の広く使われている縦断的分類法よりも優れているため、脳への条件の影響をより正確に追跡するのに一意に寄与する。
  論文  参考訳（メタデータ） (2020-03-31T05:28:51Z)
• Convolutional Neural Networks for Epileptic Seizure Prediction [0.13192560874022083]
  発作予測のための頭蓋内脳波(iEEG)の分類法について検討した。 従来のアプローチとは対照的に、手作りの特徴の抽出を分類的に控える。 4匹の犬と3人の患者の長期記録を含む3つの異なるモデルが公開データセットで評価されている。
  論文  参考訳（メタデータ） (2018-11-02T15:09:18Z)

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。