論文の概要: Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts

• arxiv url: http://arxiv.org/abs/2408.02496v2
• Date: Mon, 20 Jan 2025 09:59:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:17:20.150297
• Title: Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts
• Title（参考訳）: 複数のコホートにおける不完全海馬インバージョンの自動評価
• Authors: Lisa Hemforth, Baptiste Couvy-Duchesne, Kevin De Matos, Camille Brianceau, Matthieu Joulot, Tobias Banaschewski, Arun L. W. Bokde, Sylvane Desrivières, Herta Flor, Antoine Grigis, Hugh Garavan, Penny Gowland, Andreas Heinz, Rüdiger Brühl, Jean-Luc Martinot, Marie-Laure Paillère Martinot, Eric Artiges, Dimitri Papadopoulos, Herve Lemaitre, Tomas Paus, Luise Poustka, Sarah Hohmann, Nathalie Holz, Juliane H. Fröhner, Michael N. Smolka, Nilakshi Vaidya, Henrik Walter, Robert Whelan, Gunter Schumann, Christian Büchel, JB Poline, Bernd Itterman, Vincent Frouin, Alexandre Martin, IMAGEN study group, Claire Cury, Olivier Colliot,
• Abstract要約: Incomplete Hippocampal Inversion (IHI) は一般人口の約20%にみられる海馬の非定型解剖学的パターンである。 IHIはいくつかの脳疾患(てんかん、統合失調症)と関連している
• 参考スコア（独自算出の注目度）: 24.506816054849203
• License:
• Abstract: Incomplete Hippocampal Inversion (IHI), sometimes called hippocampal malrotation, is an atypical anatomical pattern of the hippocampus found in about 20% of the general population. IHI can be visually assessed on coronal slices of T1 weighted MR images, using a composite score that combines four anatomical criteria. IHI has been associated with several brain disorders (epilepsy, schizophrenia). However, these studies were based on small samples. Furthermore, the factors (genetic or environmental) that contribute to the genesis of IHI are largely unknown. Large-scale studies are thus needed to further understand IHI and their potential relationships to neurological and psychiatric disorders. However, visual evaluation is long and tedious, justifying the need for an automatic method. In this paper, we propose, for the first time, to automatically rate IHI. We proceed by predicting four anatomical criteria, which are then summed up to form the IHI score, providing the advantage of an interpretable score. We provided an extensive experimental investigation of different machine learning methods and training strategies. We performed automatic rating using a variety of deep learning models (conv5-FC3, ResNet and SECNN) as well as a ridge regression. We studied the generalization of our models using different cohorts and performed multi-cohort learning. We relied on a large population of 2,008 participants from the IMAGEN study, 993 and 403 participants from the QTIM/QTAB studies as well as 985 subjects from the UKBiobank. We showed that deep learning models outperformed a ridge regression. We demonstrated that the performances of the conv5-FC3 network were at least as good as more complex networks while maintaining a low complexity and computation time. We showed that training on a single cohort may lack in variability while training on several cohorts improves generalization.
• Abstract（参考訳）: 不完全海馬内転 (IHI) は海馬奇形と呼ばれ、一般人口の約20%で見られる海馬の非定型的解剖学的パターンである。 IHIは4つの解剖学的基準を組み合わせた複合スコアを用いて,T1強調MR画像のコロナスライスに基づいて視覚的に評価できる。 IHIはいくつかの脳疾患(てんかん、統合失調症)と関連している。 しかし、これらの研究は小さなサンプルに基づいていた。 さらに、IHIの発生に寄与する要因(遺伝子または環境)はほとんど不明である。 したがって、IHIとその神経学的、精神医学的障害との関係をより深く理解するためには、大規模な研究が必要である。 しかし、視覚的評価は長く、面倒であり、自動的な方法の必要性を正当化する。 本稿では,IHIを自動評価する手法を提案する。 我々は,4つの解剖学的基準を予測し,それをまとめてIHIスコアを作成し,解釈可能なスコアの利点を提供する。 我々は、さまざまな機械学習手法とトレーニング戦略について、広範囲にわたる実験的研究を行った。 各種ディープラーニングモデル(conv5-FC3, ResNet, SECNN)とリッジ回帰を用いた自動評価を行った。 我々は、異なるコホートを用いてモデルの一般化を研究し、マルチコホート学習を行った。 調査対象はNatureNによる2,008人,QTIM/QTABによる993人,および403人,UKBiobankによる985人であった。 深層学習モデルは隆起回帰よりも優れていた。 我々は,conv5-FC3ネットワークの性能が,低複雑性と計算時間を維持しながら,より複雑なネットワークに匹敵することが実証された。 一つのコホートでのトレーニングは、いくつかのコホートでのトレーニングが一般化を改善する一方で、多様性に欠ける可能性があることを示した。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Pediatric brain tumor classification using digital histopathology and deep learning: evaluation of SOTA methods on a multi-center Swedish cohort [0.3502590095571559]
  本研究は, 小児脳腫瘍を分類するために, 2つの弱教師付き多重インスタンス学習(MIL)アプローチを実装した。 540人の被験者(年齢8.5$pm$4.9年)から脳腫瘍と診断されたWSIは、スウェーデンの多中心コホートから集められた。 UNI機能とABILアグリゲーションを用いて,最高分類性能を達成した。
  論文  参考訳（メタデータ） (2024-09-02T15:32:04Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Federated Learning for the Classification of Tumor Infiltrating Lymphocytes [5.881088147423591]
  デジタル化組織断面解析のための深層学習モデルの開発において,フェデレートラーニング(FL)の性能を評価する。 スライド画像全体から抽出した50*50平方ミクロンパッチを用いてディープラーニング分類モデルを訓練した。
  論文  参考訳（メタデータ） (2022-03-30T19:10:50Z)
• Application of Machine Learning to Sleep Stage Classification [0.7196441171503458]
  睡眠研究は、睡眠喪失と精神病理に寄与するメカニズムの解明に関連する表現型を再カプセル化するために不可欠である。 多くの場合、調査員は手動でポリソムノグラフィーを警戒状態に分類する。 我々は,単一の脳波読み取りに基づいて警戒状態を確実に予測できる,自動かつオープンアクセスの分類器を作ることを目指している。
  論文  参考訳（メタデータ） (2021-11-04T18:00:50Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• View-Invariant Gait Recognition with Attentive Recurrent Learning of Partial Representations [27.33579145744285]
  本稿では,まず,フレームレベルの畳み込み特徴から歩行畳み込みエネルギーマップ(GCEM)を抽出するネットワークを提案する。 次に、GCEMの分割されたビンから学ぶために双方向ニューラルネットワークを採用し、学習された部分的リカレント表現の関係を利用する。 提案手法は2つの大規模CASIA-BとOU-Mの歩行データセットで広範囲に検証されている。
  論文  参考訳（メタデータ） (2020-10-18T20:20:43Z)
• Automatic sleep stage classification with deep residual networks in a mixed-cohort setting [63.52264764099532]
  我々は,大規模コホートの一般化性を評価するために,新しいディープニューラルネットワークモデルを開発した。 総合的な分類精度はトレーニングデータの分数を増やして向上した。
  論文  参考訳（メタデータ） (2020-08-21T10:48:35Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• CT-based COVID-19 Triage: Deep Multitask Learning Improves Joint Identification and Severity Quantification [45.86448200141968]
  感染リスクのある患者をできるだけ早期に分離する研究を優先するための新型コロナウイルスの同定、重度定量化、重篤な患者の研究の強調、病院への誘導、救急医療の提供の2つの基本的な設定について述べる。 両トリアージアプローチを統合するマルチタスクアプローチを提案し、利用可能なラベルを1つのモデルにまとめる畳み込みニューラルネットワークを提案する。 我々は約2000件の公開CT研究をトレーニングし、32件のCOVID-19研究、30件の細菌性肺炎、31件の健常患者、および30件の肺病理患者からなる慎重に設計したセットを用いて、典型的な患者の血流をエミュレートする。
  論文  参考訳（メタデータ） (2020-06-02T08:05:06Z)

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。