論文の概要: Unraveling the Autism spectrum heterogeneity: Insights from ABIDE I Database using data/model-driven permutation testing approaches
- arxiv url: http://arxiv.org/abs/2405.12225v1
- Date: Mon, 22 Apr 2024 13:21:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-27 03:08:05.116291
- Title: Unraveling the Autism spectrum heterogeneity: Insights from ABIDE I Database using data/model-driven permutation testing approaches
- Title（参考訳）: 自閉症スペクトラムの不均一性の解明:データ/モデル駆動型置換テスト手法を用いたABIDE I Databaseからの洞察
- Authors: F. J. Alcaide, I. A. Illan, J. Ramirez, J. M. Gorriz,
- Abstract要約: 自閉症スペクトラム条件(Autism Spectrum Condition、ASC)は、コミュニケーション、社会的相互作用、制限的または反復的な行動の障害を特徴とする神経発達状態である。
本研究では,Autism Brain Imaging Data Exchange I (ABIDE I)データベースからの構造的磁気共鳴画像(sMRI)データに焦点をあてる。
その結果、特定の中心内の限られたサンプルサイズ、ノイズ効果、自閉症のような異種状態における多中心性の問題などの要因により、どの脳領域にも統計的に有意な差がないことが明らかとなった。
- 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: Autism Spectrum Condition (ASC) is a neurodevelopmental condition characterized by impairments in communication, social interaction and restricted or repetitive behaviors. Extensive research has been conducted to identify distinctions between individuals with ASC and neurotypical individuals. However, limited attention has been given to comprehensively evaluating how variations in image acquisition protocols across different centers influence these observed differences. This analysis focuses on structural magnetic resonance imaging (sMRI) data from the Autism Brain Imaging Data Exchange I (ABIDE I) database, evaluating subjects' condition and individual centers to identify disparities between ASC and control groups. Statistical analysis, employing permutation tests, utilizes two distinct statistical mapping methods: Statistical Agnostic Mapping (SAM) and Statistical Parametric Mapping (SPM). Results reveal the absence of statistically significant differences in any brain region, attributed to factors such as limited sample sizes within certain centers, noise effects and the problem of multicentrism in a heterogeneous condition such as autism. This study indicates limitations in using the ABIDE I database to detect structural differences in the brain between neurotypical individuals and those diagnosed with ASC. Furthermore, results from the SAM mapping method show greater consistency with existing literature.
- Abstract（参考訳）: 自閉症スペクトラム条件(Autism Spectrum Condition、ASC)は、コミュニケーション、社会的相互作用、制限的または反復的な行動の障害を特徴とする神経発達状態である。
ASCの個体と神経型個体の区別について広範な研究がなされている。
しかし、異なる中心における画像取得プロトコルの変化が、これらの観察された差異にどのように影響するかを包括的に評価するためには、限られた注意が払われている。
この分析は、自閉症脳画像データ交換I(ABIDE I)データベースからの構造的磁気共鳴イメージング(sMRI)データに焦点をあて、被験者の状態と個々のセンターを評価し、ASCとコントロールグループ間の差異を識別する。
統計解析では, 統計アグノスティックマッピング (SAM) と統計パラメトリックマッピング (SPM) の2つの異なる統計マッピング手法を用いる。
その結果、特定の中心内の限られたサンプルサイズ、ノイズ効果、自閉症のような異種状態における多中心性の問題などの要因により、どの脳領域にも統計的に有意な差がないことが明らかとなった。
本研究では,ABIDE Iデータベースを用いて神経型個体とASCと診断された個体の脳の構造的差異を検出することの限界を示す。
さらに,SAMマッピング法の結果は,既存の文献との整合性を示した。
関連論文リスト
- Diagnosis and Pathogenic Analysis of Autism Spectrum Disorder Using Fused Brain Connection Graph [14.00990852115585]
マルチモーダル磁気共鳴画像(MRI)データを用いた自閉症スペクトラム障害(ASD)の診断モデルを提案する。
提案手法はDTIと機能MRIの脳接続データを統合し,融合グラフ分類にグラフニューラルネットワーク(GNN)を用いる。
両モード融合脳グラフ上で,ネットワークノードの中央性,計算度,部分グラフ,固有ベクトル中心性を解析し,ASDに関連付けられた病理領域を同定する。
論文 参考訳（メタデータ） (2024-09-22T01:23:46Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
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。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - A Neural Framework for Generalized Causal Sensitivity Analysis [78.71545648682705]
本稿では,因果感受性分析のためのニューラルネットワークフレームワークであるNeuralCSAを提案する。
我々は、NeuralCSAが関心の因果クエリに有効な境界を推測できることを理論的に保証する。
論文 参考訳（メタデータ） (2023-11-27T17:40:02Z) - EAG-RS: A Novel Explainability-guided ROI-Selection Framework for ASD
Diagnosis via Inter-regional Relation Learning [11.344446341236267]
本稿では,脳領域間の非線形高次機能的関連を識別する新しい利害選択領域(EAG-RS)を提案する。
このフレームワークは, (i) ランダムなシードベースネットワークマスキングによる非線形関係を推定するための地域間関係学習, (ii) 機能的接続間の高次関係を探索するための接続関連度スコア推定, (iii) 非線形高次FCベースの診断非形式ROI選択とASDの識別のための学習の3段階を含む。
論文 参考訳（メタデータ） (2023-10-05T09:14:54Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - 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) - Analyzing the Effects of Handling Data Imbalance on Learned Features
from Medical Images by Looking Into the Models [50.537859423741644]
不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。
ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
論文 参考訳（メタデータ） (2022-04-04T09:38:38Z) - Identifying Autism Spectrum Disorder Based on Individual-Aware
Down-Sampling and Multi-Modal Learning [4.310840361752551]
本稿では,脳ネットワーク全体のパーソナライズされた低解像度表現を学習するfMRIの特徴抽出手法を提案する。
本モデルでは,平均分類精度85.95%,平均AUC0.92を達成している。
論文 参考訳（メタデータ） (2021-09-19T14:22:55Z) - Multiple Sclerosis Lesions Identification/Segmentation in Magnetic
Resonance Imaging using Ensemble CNN and Uncertainty Classification [7.260554897161948]
3つの重要な概念に基づくMS病変の同定・分類のための自動フレームワークを提案する。
提案されたフレームワークは、2016年のMSSEGベンチマーク公開データセットでトレーニング、検証、テストされている。
結果も不確実性を示すが、他のレーダとの比較は不可能である。
論文 参考訳（メタデータ） (2021-08-26T13:48:06Z) - Multimodal Gait Recognition for Neurodegenerative Diseases [38.06704951209703]
3つの神経変性疾患の歩容差を学習するための新しいハイブリッドモデルを提案する。
新しい相関メモリニューラルネットワークアーキテクチャは、時間的特徴を抽出するために設計されている。
いくつかの最先端技術と比較して,提案手法はより正確な分類結果を示す。
論文 参考訳（メタデータ） (2021-01-07T10:17:11Z)
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。