論文の概要: Normative Modeling for AD Diagnosis and Biomarker Identification

• arxiv url: http://arxiv.org/abs/2411.10570v1
• Date: Fri, 15 Nov 2024 20:45:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:34:20.307947
• Title: Normative Modeling for AD Diagnosis and Biomarker Identification
• Title（参考訳）: AD診断とバイオマーカー同定のための規範的モデリング
• Authors: Songlin Zhao, Rong Zhou, Yu Zhang, Yong Chen, Lifang He,
• Abstract要約: 本稿では,アルツハイマー病(AD)の診断とバイオマーカー同定のために,焦点障害と対向自己エンコーダ(FAAE)を取り入れた新しい規範的モデリング手法を提案する。 本手法は,自己エンコーダ構造内に対向焦点損失判別器を組み込むエンド・ツー・エンドの手法である。
• 参考スコア（独自算出の注目度）: 11.62848839498082
• License:
• Abstract: In this paper, we introduce a novel normative modeling approach that incorporates focal loss and adversarial autoencoders (FAAE) for Alzheimer's Disease (AD) diagnosis and biomarker identification. Our method is an end-to-end approach that embeds an adversarial focal loss discriminator within the autoencoder structure, specifically designed to effectively target and capture more complex and challenging cases. We first use the enhanced autoencoder to create a normative model based on data from healthy control (HC) individuals. We then apply this model to estimate total and regional neuroanatomical deviation in AD patients. Through extensive experiments on the OASIS-3 and ADNI datasets, our approach significantly outperforms previous state-of-the-art methods. This advancement not only streamlines the detection process but also provides a greater insight into the biomarker potential for AD. Our code can be found at \url{https://github.com/soz223/FAAE}.
• Abstract（参考訳）: 本稿では,アルツハイマー病(AD)の診断とバイオマーカー同定に焦点損失と対向性自己エンコーダ(FAAE)を取り入れた,新しい規範的モデリング手法を提案する。 本手法は, 自己エンコーダ構造内に, 対向焦点損失判別器を組み込むエンド・ツー・エンドの手法であり, より複雑で困難なケースを効果的に狙うように設計されている。 まず、改良されたオートエンコーダを用いて、健康管理(HC)個人のデータに基づく規範モデルを作成する。 このモデルを用いて,AD患者の総神経解剖学的偏差と局所神経解剖学的偏差を推定する。 OASIS-3およびADNIデータセットに関する広範な実験を通じて、我々のアプローチは従来の最先端手法よりも大幅に優れている。 この進歩は、検出プロセスの合理化だけでなく、ADのバイオマーカーの可能性に関する洞察も与えている。 我々のコードは \url{https://github.com/soz223/FAAE} で見ることができる。

関連論文リスト

• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Unsupervised Analysis of Alzheimer's Disease Signatures using 3D Deformable Autoencoders [10.091922917520316]
  MORPHADEは3次元T1重み付き脳画像の解析に変形を利用する新しい教師なし学習手法である。 これは、深い教師なし学習による変形を初めて検出し、またアルツハイマー病(AD)による脳の構造変化の重症度を局所化し評価する。 提案手法は,AD検出において0.80のAUROCを達成し,教師なしベースラインや教師なしベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-07-04T11:52:44Z)
• An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
  アルツハイマー病(英語: Alzheimer's disease、AD)は認知能力の低下が進行する認知症である。 構造的MRIと機能的MRIを利用して,病原性GMと機能的ネットワーク接続の変化を調査した。 本稿では,Cycle GANを用いた生成モジュールを用いたDLに基づく新しい分類手法を提案する。
  論文  参考訳（メタデータ） (2024-06-19T07:31:47Z)
• Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
  異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。 この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。 セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:38:26Z)
• Diagnosing Alzheimer's Disease using Early-Late Multimodal Data Fusion with Jacobian Maps [1.5501208213584152]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、老化に影響を及ぼす神経変性疾患である。 本稿では,自動特徴抽出とランダム森林のための畳み込みニューラルネットワークを利用する,効率的な早期融合(ELF)手法を提案する。 脳の容積の微妙な変化を検出するという課題に対処するために、画像をヤコビ領域(JD)に変換する。
  論文  参考訳（メタデータ） (2023-10-25T19:02:57Z)
• BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
  異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。 医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。 医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
  論文  参考訳（メタデータ） (2023-06-20T20:23:46Z)
• Normative Modeling via Conditional Variational Autoencoder and Adversarial Learning to Identify Brain Dysfunction in Alzheimer's Disease [10.302206705998563]
  アルツハイマー病(AD)の脳機能障害を同定するために、条件付き変分オートエンコーダと対向学習(ACVAE)を組み合わせた新しい規範的モデリング法を提案する。 OASIS-3データベースを用いた実験により,本モデルが生成する偏差マップは,他の深部規範モデルと比較してADに対する感度が高いことが示された。
  論文  参考訳（メタデータ） (2022-11-13T07:36:30Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• 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)

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。