論文の概要: Persistent Homology for MCI Classification: A Comparative Analysis between Graph and Vietoris-Rips Filtrations

• arxiv url: http://arxiv.org/abs/2410.22681v1
• Date: Wed, 30 Oct 2024 04:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:26:47.841396
• Title: Persistent Homology for MCI Classification: A Comparative Analysis between Graph and Vietoris-Rips Filtrations
• Title（参考訳）: MCI分類のための永続的ホモロジー:グラフとビエトリス・リップスろ過の比較分析
• Authors: Debanjali Bhattacharya, Rajneet Kaur, Ninad Aithal, Neelam Sinha, Thomas Gregor Issac,
• Abstract要約: 本研究は、ミルド認知障害(MCI)に伴う位相変化の詳細な分析を提供する。 この分析は、公開可能なADNIデータセットと社内TLSAデータセットの2つの異なる集団からのfMRI時系列データを利用する。 ヴィートリス・リップス濾過では、永続図形間のROI間 MCI ワッサーシュタイン距離行列が分類に使われ、グラフ濾過は最も永続的なホモロジーの特徴のトップ10に依存する。
• 参考スコア（独自算出の注目度）: 2.306862732864727
• License:
• Abstract: Mild cognitive impairment (MCI), often linked to early neurodegeneration, is characterized by subtle cognitive declines and disruptions in brain connectivity. The present study offers a detailed analysis of topological changes associated with MCI, focusing on two subtypes: Early MCI and Late MCI. This analysis utilizes fMRI time series data from two distinct populations: the publicly available ADNI dataset (Western cohort) and the in-house TLSA dataset (Indian Urban cohort). Persistent Homology, a topological data analysis method, is employed with two distinct filtration techniques - Vietoris-Rips and graph filtration-for classifying MCI subtypes. For Vietoris-Rips filtration, inter-ROI Wasserstein distance matrices between persistent diagrams are used for classification, while graph filtration relies on the top ten most persistent homology features. Comparative analysis shows that the Vietoris-Rips filtration significantly outperforms graph filtration, capturing subtle variations in brain connectivity with greater accuracy. The Vietoris-Rips filtration method achieved the highest classification accuracy of 85.7\% for distinguishing between age and gender matched healthy controls and MCI, whereas graph filtration reached a maximum accuracy of 71.4\% for the same task. This superior performance highlights the sensitivity of Vietoris-Rips filtration in detecting intricate topological features associated with neurodegeneration. The findings underscore the potential of persistent homology, particularly when combined with the Wasserstein distance, as a powerful tool for early diagnosis and precise classification of cognitive impairments, offering valuable insights into brain connectivity changes in MCI.
• Abstract（参考訳）: 軽度認知障害(MCI)は、初期の神経変性と結びついており、微妙な認知機能低下と脳の接続の破壊が特徴である。 本研究は、MCIに関連するトポロジカルな変化を詳細に分析し、早期MCIと後期MCIの2つのサブタイプに焦点を当てた。 この分析は、公開されているADNIデータセット(Western cohort)と社内TLSAデータセット(Indian Urban cohort)の2つの異なる集団からのfMRI時系列データを利用する。 トポロジカルデータ解析法である Persistent Homology は, MCI サブタイプを分類するために, Vietoris-Rips と Graph Filter- の2つの異なるフィルタ技術を用いている。 ヴィートリス・リップス濾過では、永続図形間のROIワッサーシュタイン間距離行列が分類に使われ、グラフ濾過は最も永続的なホモロジーの特徴のトップ10に依存する。 比較分析により、Vietoris-Rips濾過はグラフ濾過を著しく上回り、より精度の高い脳接続の微妙な変化を捉えていることが示された。 ビエトリス・リップスろ過法は, 年齢と性別の区別において, 健康管理とMCIの区別で85.7\%, グラフろ過は71.4\%に達した。 この優れた性能は、神経変性に関連する複雑なトポロジカルな特徴を検出するために、Vietoris-Rips濾過の感度を強調している。 この発見は、特にワッサースタイン距離と組み合わせることで、認知障害の早期診断と正確な分類のための強力なツールとなり、MCIにおける脳の接続性の変化に関する貴重な洞察を提供する。

関連論文リスト

• Leveraging Persistent Homology for Differential Diagnosis of Mild Cognitive Impairment [2.474908349649168]
  軽度認知障害(MCI)は、認知機能の微妙な変化が特徴であり、しばしば脳の接続の混乱と関連している。 本研究では,6種類の被験者の脳ネットワークに関連する神経変性のトポロジカルな変化を調べるための,新しい微粒化分析法を提案する。
  論文  参考訳（メタデータ） (2024-08-28T09:01:55Z)
• Filtration learning in exact multi-parameter persistent homology and classification of time-series data [3.193388094899312]
  EMPHのフィルタ学習のためのフレームワークを提案する。 フィルタパラメータに対する損失関数の勾配の正確な式を導出する。
  論文  参考訳（メタデータ） (2024-06-28T00:25:43Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• Quantitative CT texture-based method to predict diagnosis and prognosis of fibrosing interstitial lung disease patterns [0.0]
  線維化性間質性肺疾患(ILD)の診断・予後予測のための高分解能定量的CT(QCT)イメージング 40例(通常間質性肺炎20例,非間質性肺炎20例,非間質性肺炎20例)を放射線技師2名による専門的コンセンサスで分類し,7年間経過した。
  論文  参考訳（メタデータ） (2022-06-20T13:27:38Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• 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)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• StyPath: Style-Transfer Data Augmentation For Robust Histology Image Classification [6.690876060631452]
  我々は,StyPathに基づくAMR分類のための,堅牢なディープニューラルネットワークを構築するための新しいパイプラインを提案する。 それぞれの画像は、1GTX V TITANとpytorchを使って1.84 + 0.03秒で生成された。 以上の結果から,本手法は組織学的分類性能を向上させることが示唆された。
  論文  参考訳（メタデータ） (2020-07-09T18:02:49Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。