論文の概要: Individualized multi-horizon MRI trajectory prediction for Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2408.02018v1
- Date: Sun, 4 Aug 2024 13:09:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 15:35:21.838340
- Title: Individualized multi-horizon MRI trajectory prediction for Alzheimer's Disease
- Title（参考訳）: アルツハイマー病に対する個人別マルチホライゾンMRIトラジェクトリー予測
- Authors: Rosemary He, Gabriella Ang, Daniel Tward,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neurodegeneration as measured through magnetic resonance imaging (MRI) is recognized as a potential biomarker for diagnosing Alzheimer's disease (AD), but is generally considered less specific than amyloid or tau based biomarkers. Due to a large amount of variability in brain anatomy between different individuals, we hypothesize that leveraging MRI time series can help improve specificity, by treating each patient as their own baseline. Here we turn to conditional variational autoencoders to generate individualized MRI predictions given the subject's age, disease status and one previous scan. Using serial imaging data from the Alzheimer's Disease Neuroimaging Initiative, we train a novel architecture to build a latent space distribution which can be sampled from to generate future predictions of changing anatomy. This enables us to extrapolate beyond the dataset and predict MRIs up to 10 years. We evaluated the model on a held-out set from ADNI and an independent dataset (from Open Access Series of Imaging Studies). By comparing to several alternatives, we show that our model produces more individualized images with higher resolution. Further, if an individual already has a follow-up MRI, we demonstrate a usage of our model to compute a likelihood ratio classifier for disease status. In practice, the model may be able to assist in early diagnosis of AD and provide a counterfactual baseline trajectory for treatment effect estimation. Furthermore, it generates a synthetic dataset that can potentially be used for downstream tasks such as anomaly detection and classification.
- Abstract（参考訳）: MRIによる神経変性はアルツハイマー病(AD)の診断の潜在的なバイオマーカーとして認識されているが、一般的にはアミロイドやタウ系バイオマーカーよりも特異的ではないと考えられている。
個人間での脳解剖学の多様性は多岐にわたるため、MRIの時系列を活用することで、各患者を自身のベースラインとして扱うことで、特異性を改善することができると仮説を立てる。
ここでは条件付き変分オートエンコーダを用いて、被験者の年齢、疾患状態、前回の1回のスキャンから、個別化されたMRI予測を生成する。
アルツハイマー病神経画像イニシアチブのシリアルイメージングデータを用いて、我々は新しいアーキテクチャをトレーニングし、潜在空間分布を構築する。
これにより、データセットを超えて外挿し、MRIを最大10年予測することが可能になります。
我々は,ADNIと独立データセット(Open Access Series of Imaging Studies)の保持集合を用いて,モデルの評価を行った。
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。
さらに,すでにMRIをフォローアップしている個人に対しては,病状度比の分類器の算出にモデルを用いていることを示す。
実際には、このモデルはADの早期診断を支援し、治療効果推定のための対実的ベースライン軌跡を提供することができるかもしれない。
さらに、異常検出や分類などの下流タスクに使用できる合成データセットを生成する。
関連論文リスト
- GFE-Mamba: Mamba-based AD Multi-modal Progression Assessment via Generative Feature Extraction from MCI [5.355943545567233]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、軽度認知障害(MCI)から進行する可逆性神経変性疾患である。
生成特徴抽出(GFE)に基づく分類器GFE-Mambaを紹介する。
評価尺度、MRI、PETのデータを統合し、より深いマルチモーダル融合を可能にする。
GFE-MambaモデルがMCIからADへの変換予測に有効であることを示す。
論文 参考訳（メタデータ） (2024-07-22T15:22:33Z) - 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) - Counterfactual Image Synthesis for Discovery of Personalized Predictive
Image Markers [0.293168019422713]
そこで本研究では,深部条件生成モデルを用いて,主観的疾患の進展に関連があるベースライン画像の局所像特徴を摂動させることが可能であることを示す。
本モデルでは, 臨床像を反映した画像特徴の変化により, 集団レベルでのMRI像の現況を予測し, 治療効果を検証した。
論文 参考訳（メタデータ） (2022-08-03T18:58:45Z) - Improving the Diagnosis of Psychiatric Disorders with Self-Supervised
Graph State Space Models [0.0]
静止機能磁気共鳴画像(rs-fMRI)から異種精神疾患の診断を改善するための枠組みを提案する。
rs-fMRIデータをモデル化するために、最近提案された状態空間モデルS4への拡張であるGraph-S4を開発した。
このフレームワークとGraph-S4を組み合わせることで、3つのオープンソースマルチセンター rs-fMRI 臨床データセットにおいて、MDD と ASD のニューロイメージングに基づく単体予測モデルの診断性能が大幅に向上することを示す。
論文 参考訳（メタデータ） (2022-06-07T14:15:43Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳（メタデータ） (2022-03-20T21:00:10Z) - 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) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳（メタデータ） (2021-05-18T11:37:57Z) - 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) - 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) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - 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)
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。