論文の概要: A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds
- arxiv url: http://arxiv.org/abs/2405.07977v1
- Date: Mon, 13 May 2024 17:49:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-14 12:36:51.909143
- Title: A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds
- Title（参考訳）: fMRI分布サンプリングとコンファウンド除去のための復号化合成変分オートエンコーダ
- Authors: Anton Orlichenko, Gang Qu, Ziyu Zhou, Anqi Liu, Hong-Wen Deng, Zhengming Ding, Julia M. Stephen, Tony W. Wilson, Vince D. Calhoun, Yu-Ping Wang,
- Abstract要約: 変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
- 参考スコア（独自算出の注目度）: 49.34500499203579
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: fMRI and derived measures such as functional connectivity (FC) have been used to predict brain age, general fluid intelligence, psychiatric disease status, and preclinical neurodegenerative disease. However, it is not always clear that all demographic confounds, such as age, sex, and race, have been removed from fMRI data. Additionally, many fMRI datasets are restricted to authorized researchers, making dissemination of these valuable data sources challenging. Methods: We create a variational autoencoder (VAE)-based model, DemoVAE, to decorrelate fMRI features from demographics and generate high-quality synthetic fMRI data based on user-supplied demographics. We train and validate our model using two large, widely used datasets, the Philadelphia Neurodevelopmental Cohort (PNC) and Bipolar and Schizophrenia Network for Intermediate Phenotypes (BSNIP). Results: We find that DemoVAE recapitulates group differences in fMRI data while capturing the full breadth of individual variations. Significantly, we also find that most clinical and computerized battery fields that are correlated with fMRI data are not correlated with DemoVAE latents. An exception are several fields related to schizophrenia medication and symptom severity. Conclusion: Our model generates fMRI data that captures the full distribution of FC better than traditional VAE or GAN models. We also find that most prediction using fMRI data is dependent on correlation with, and prediction of, demographics. Significance: Our DemoVAE model allows for generation of high quality synthetic data conditioned on subject demographics as well as the removal of the confounding effects of demographics. We identify that FC-based prediction tasks are highly influenced by demographic confounds.
- Abstract（参考訳）: 目的:fMRIおよび機能的接続(FC)のような派生した手段は、脳年齢、一般的な流体知能、精神疾患、前臨床神経変性疾患の予測に使われてきた。
しかし、年齢、性別、人種などの全ての人口構成がfMRIデータから削除されたことは必ずしも明らかではない。
さらに、多くのfMRIデータセットは認可された研究者に限られており、これらの貴重なデータソースの普及は困難である。
方法: 変動型オートエンコーダ(VAE)に基づくモデルであるDemoVAEを作成し, 人口統計からfMRIの特徴を推定し, 利用者の人口統計に基づく高品質な合成fMRIデータを生成する。
我々は,フィラデルフィア・ニューロ開発コホート (PNC) とバイポーラ・統合失調症ネットワーク (BSNIP) の2つの大きなデータセットを用いて,我々のモデルを訓練し,検証した。
結果:DemoVAEは,fMRIデータの集団差を再現し,個人差をフルに捉えた。
また、fMRIデータと相関する臨床およびコンピュータ化されたほとんどの電池フィールドが、DemoVAE潜伏剤と相関していないことも判明した。
例外として、統合失調症や症状の重症度に関連するいくつかの分野がある。
結論:本モデルでは,従来のVAEモデルやGANモデルよりもFCの完全な分布を捉えるfMRIデータを生成する。
また、fMRIデータを用いたほとんどの予測は、人口統計学の相関や予測に依存することがわかった。
意義: 私たちのDemoVAEモデルでは, 被験者の人口動態に基づく高品質な合成データの生成と, 人口動態の相違による影響の除去が可能である。
FCに基づく予測タスクは,人口動態に強く影響されている。
関連論文リスト
- GAMMA-PD: Graph-based Analysis of Multi-Modal Motor Impairment Assessments in Parkinson's Disease [9.69595196614787]
本稿では,多モード臨床データ解析のための新しいヘテロジニアスハイパーグラフ融合フレームワークであるGAMA-PDを提案する。
GAMMA-PDは、高次情報を保存することにより、画像と非画像データを"ハイパーネットワーク"(患者集団グラフ)に統合する。
パーキンソン病における運動障害症状の予測に有意な改善が認められた。
論文 参考訳（メタデータ） (2024-10-01T15:51:33Z) - Brain Network Diffusion-Driven fMRI Connectivity Augmentation for Enhanced Autism Spectrum Disorder Diagnosis [12.677178802864029]
fMRIデータ取得とラベル付けのコストが高いため、fMRIデータの量は少ないことが多い。
生成モデル、特に拡散モデルの増加に伴い、実際のデータ分布に近い現実的なサンプルを生成する能力は、データ拡張に広く利用されている。
論文 参考訳（メタデータ） (2024-09-11T08:02:57Z) - Individualized multi-horizon MRI trajectory prediction for Alzheimer's Disease [0.0]
我々は、新しいアーキテクチャをトレーニングして潜伏空間の分布を構築し、そこからサンプルを抽出し、将来的な解剖学的変化の予測を生成する。
いくつかの代替手法と比較することにより,より高解像度でより個別化された画像を生成することを示す。
論文 参考訳（メタデータ） (2024-08-04T13:09:06Z) - Machine Learning Based Multimodal Neuroimaging Genomics Dementia Score
for Predicting Future Conversion to Alzheimer's Disease [2.914776804701307]
画像/遺伝子型に基づくDATスコアを作成した。
DATスコアの0.5しきい値を用いて,将来,被験者がDATを発達させるか否かを予測した。
論文 参考訳（メタデータ） (2022-03-11T01:35:30Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳（メタデータ） (2021-02-18T21:14:52Z) - 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) - 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) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - Incorporating structured assumptions with probabilistic graphical models
in fMRI data analysis [5.23143327587266]
我々は、fMRI研究の様々な領域で最近開発されたアルゴリズムについてレビューする。
これらのアルゴリズムも同様にfMRIの課題に取り組む。
認知神経科学における明示的モデル構築のより広範な採用を提唱する。
論文 参考訳（メタデータ） (2020-05-11T06:32:54Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。