論文の概要: Normative Diffusion Autoencoders: Application to Amyotrophic Lateral Sclerosis

• arxiv url: http://arxiv.org/abs/2407.14191v1
• Date: Fri, 19 Jul 2024 10:39:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 17:54:18.937097
• Title: Normative Diffusion Autoencoders: Application to Amyotrophic Lateral Sclerosis
• Title（参考訳）: ノルム拡散型オートエンコーダ : 筋萎縮性側索硬化症への応用
• Authors: Ayodeji Ijishakin, Adamos Hadjasavilou, Ahmed Abdulaal, Nina Montana-Brown, Florence Townend, Edoardo Spinelli, Massimo Fillipi, Federica Agosta, James Cole, Andrea Malaspina,
• Abstract要約: ノルメティヴモデルは、大きな健康コホートを活用することで、統計力を増加させる解を示す。 我々は、規範拡散オートエンコーダフレームワークを導入することにより、生成的および規範的モデリングの利点を組み合わせる。 提案手法はALSの予測における生成的および非生成的規範的モデリングベンチマークよりも優れている。
• 参考スコア（独自算出の注目度）: 1.7397451877951422
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Predicting survival in Amyotrophic Lateral Sclerosis (ALS) is a challenging task. Magnetic resonance imaging (MRI) data provide in vivo insight into brain health, but the low prevalence of the condition and resultant data scarcity limit training set sizes for prediction models. Survival models are further hindered by the subtle and often highly localised profile of ALS-related neurodegeneration. Normative models present a solution as they increase statistical power by leveraging large healthy cohorts. Separately, diffusion models excel in capturing the semantics embedded within images including subtle signs of accelerated brain ageing, which may help predict survival in ALS. Here, we combine the benefits of generative and normative modelling by introducing the normative diffusion autoencoder framework. To our knowledge, this is the first use of normative modelling within a diffusion autoencoder, as well as the first application of normative modelling to ALS. Our approach outperforms generative and non-generative normative modelling benchmarks in ALS prognostication, demonstrating enhanced predictive accuracy in the context of ALS survival prediction and normative modelling in general.
• Abstract（参考訳）: 筋萎縮性側索硬化症(ALS)の生存予測は難しい課題である。 磁気共鳴画像(MRI)データは、脳の健康に関する生体内知見を提供するが、その状態の低頻度と結果の少ないデータ不足により、予測モデルのためのトレーニングセットのサイズが制限される。 生存モデルは、ALS関連神経変性の微妙でしばしば高度に局在したプロファイルによってさらに妨げられる。 ノルメティヴモデルは、大きな健康コホートを活用することで、統計力を増加させる解を示す。 拡散モデルは、加速された脳の老化の微妙な兆候を含む画像に埋め込まれた意味を捉え、ALSの生存を予測するのに役立つ。 ここでは、規範拡散オートエンコーダフレームワークを導入することにより、生成的および規範的モデリングの利点を組み合わせる。 我々の知る限り、これは拡散オートエンコーダにおける規範的モデリングの最初の使用であり、ALSへの規範的モデリングの最初の応用である。 提案手法はALS予測における生成的および非生成的規範モデルベンチマークよりも優れており,ALS生存予測や規範モデル全般の文脈における予測精度の向上が示されている。

関連論文リスト

• Predicting Deterioration in Mild Cognitive Impairment with Survival Transformers, Extreme Gradient Boosting and Cox Proportional Hazard Modelling [0.08399688944263844]
  本稿では,認知の劣化を予測するために,サバイバル・トランスフォーマーの新たなアプローチと極勾配促進モデルを提案する。 提案手法は、アルツハイマー認知症における早期発見と介入をより正確にするためのこれらの手法の可能性を強調している。
  論文  参考訳（メタデータ） (2024-09-24T16:49:43Z)
• Automatic Prediction of Amyotrophic Lateral Sclerosis Progression using Longitudinal Speech Transformer [56.17737749551133]
  ニューラルネットワークを用いたALS病進行自動予測器であるALS長手音声変換器(ALST)を提案する。 録音における高品質な事前訓練音声特徴と長手情報を活用することで、最良のモデルが91.0%のAUCを達成できる。 ALSTはALS進行の細粒度で解釈可能な予測が可能で、特に稀な症例と重篤な症例の区別が可能である。
  論文  参考訳（メタデータ） (2024-06-26T13:28:24Z)
• Improving Normative Modeling for Multi-modal Neuroimaging Data using mixture-of-product-of-experts variational autoencoders [0.0]
  既存の変分オートエンコーダ(VAE)ベースの規範モデルは、積を推定したり、不定形遅延後部の平均化によって複数のモードから情報を集約する。 これはしばしば、主観レベルの偏差の推定に影響を及ぼす非形式的な関節潜伏分布をもたらす。 後肢後肢のモデリングを改善するMixture-of-Product-of-Experts法を応用した。
  論文  参考訳（メタデータ） (2023-12-02T01:17:01Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Explainable Deep Learning for Tumor Dynamic Modeling and Overall Survival Prediction using Neural-ODE [0.0]
  本稿では,腫瘍ダイナミックニューラル-ODEを薬理学的インフォームドニューラルネットワークとして用いることを提案する。 我々は,TDNODEが既存のモデルの重要な限界を克服し,乱れたデータから偏りのない予測を行うことを示す。 得られた測定値を用いて,患者の全身生存率(OS)を高い精度で予測できることを示す。
  論文  参考訳（メタデータ） (2023-08-02T18:08:27Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)
• Hierarchical Bayesian Regression for Multi-Site Normative Modeling of Neuroimaging Data [0.0]
  階層ベイズ回帰(HBR)の多地点規範モデリングへの応用を提案する。 以上の結果から,HBRの優位性は,大規模なマルチサイト神経画像データにおいてより正確な基準範囲の導出に有効であることが確認された。
  論文  参考訳（メタデータ） (2020-05-25T11:55:19Z)

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。