論文の概要: DEAL: Decoupled Classifier with Adaptive Linear Modulation for Group Robust Early Diagnosis of MCI to AD Conversion

• arxiv url: http://arxiv.org/abs/2411.10814v1
• Date: Sat, 16 Nov 2024 14:30:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:33:24.993471
• Title: DEAL: Decoupled Classifier with Adaptive Linear Modulation for Group Robust Early Diagnosis of MCI to AD Conversion
• Title（参考訳）: DEAL: グループロバスト早期診断のための適応線形変調付き分離型分類器
• Authors: Donggyu Lee, Juhyeon Park, Taesup Moon,
• Abstract要約: 深層学習に基づくアルツハイマー病の診断は、最近大きな進歩を遂げた。 診断のグループロバスト性についての研究には、依然として重大なギャップが残っている。 MRI画像を用いてMCIからADへの変換の早期診断におけるグループロバスト性の最初の包括的調査を行った。
• 参考スコア（独自算出の注目度）: 16.723285384727028
• License:
• Abstract: While deep learning-based Alzheimer's disease (AD) diagnosis has recently made significant advancements, particularly in predicting the conversion of mild cognitive impairment (MCI) to AD based on MRI images, there remains a critical gap in research regarding the group robustness of the diagnosis. Although numerous studies pointed out that deep learning-based classifiers may exhibit poor performance in certain groups by relying on unimportant attributes, this issue has been largely overlooked in the early diagnosis of MCI to AD conversion. In this paper, we present the first comprehensive investigation of the group robustness in the early diagnosis of MCI to AD conversion using MRI images, focusing on disparities in accuracy between groups, specifically sMCI and pMCI individuals divided by age. Our experiments reveal that standard classifiers consistently underperform for certain groups across different architectures, highlighting the need for more tailored approaches. To address this, we propose a novel method, dubbed DEAL (DEcoupled classifier with Adaptive Linear modulation), comprising two key components: (1) a linear modulation of features from the penultimate layer, incorporating easily obtainable age and cognitive indicative tabular features, and (2) a decoupled classifier that provides more tailored decision boundaries for each group, further improving performance. Through extensive experiments and evaluations across different architectures, we demonstrate the efficacy of DEAL in improving the group robustness of the MCI to AD conversion prediction.
• Abstract（参考訳）: 深層学習に基づくアルツハイマー病(AD)の診断は近年,MRI画像に基づく軽度認知障害(MCI)からADへの転換の予測において大きな進歩を遂げている。 多くの研究が、深層学習に基づく分類器は、重要でない属性に頼って、特定のグループで性能が劣っていることを指摘しているが、この問題は、MCIからADへの変換の早期診断において、ほとんど見過ごされてきている。 本稿では,MRI画像を用いたMCIからADへの変換の早期診断におけるグループ堅牢性について,SMCIとpMCIの年齢差に着目した総合的な調査を行った。 実験により、標準分類器は、異なるアーキテクチャにわたる特定のグループに対して一貫して性能が劣っていることが明らかとなり、より適切なアプローチの必要性が浮き彫りになった。 そこで本研究では,DeAL (Decoupled Classifier with Adaptive Linear modulation) と呼ばれる新しい手法を提案する。(1) 垂直層からの特徴を線形に変調し,容易に得られる年齢・認知的表象的特徴を取り入れ,(2) グループごとのより適切な決定境界を提供する分離型分類器により,性能を向上する。 異なるアーキテクチャにわたる広範な実験と評価を通じて、MCIのグループロバスト性をAD変換予測に改善する上で、DEALの有効性を実証する。

関連論文リスト

• Class Balancing Diversity Multimodal Ensemble for Alzheimer's Disease Diagnosis and Early Detection [1.1475433903117624]
  アルツハイマー病は、その流行の増加と関連する社会的コストにより、世界的な健康上の問題を引き起こす。 従来の診断法と単一モダリティデータは、早期ADの同定に不足することが多い。 本研究は,iMbalancEd Data(IMBALMED)におけるクラスBALancingの多様性を利用したマルチモーダルenseMbleの新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-14T10:56:43Z)
• 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)
• 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)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• 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)
• Multimodal Attention-based Deep Learning for Alzheimer's Disease Diagnosis [9.135911493822261]
  アルツハイマー病(英語: Alzheimer's Disease、AD)は、最も複雑な病原体を持つ神経変性疾患である。 われわれは,ADの有無を正確に検出するためのマルチモーダルアルツハイマー病診断フレームワーク(MADDi)を提案する。
  論文  参考訳（メタデータ） (2022-06-17T15:10:00Z)
• Cross-Modality Earth Mover's Distance for Visible Thermal Person Re-Identification [82.01051164653583]
  Visible thermal person re-identification (VT-ReID) は、モダリティ間の相違と同一性内変異に悩まされる。 我々は,モーダルアライメント中の個人内変動の影響を軽減することができるクロスモーダルアースモーバー距離(CM-EMD)を提案する。
  論文  参考訳（メタデータ） (2022-03-03T12:26:59Z)
• Differential Diagnosis of Frontotemporal Dementia and Alzheimer's Disease using Generative Adversarial Network [0.0]
  前頭側頭性認知症とアルツハイマー病は2種類の認知症であり、互いに誤診しやすい。 2種類の認知症を区別することは、疾患特異的な介入と治療を決定するのに不可欠である。 医用画像処理分野におけるディープラーニングベースのアプローチの最近の発展は、多くのバイナリ分類タスクにおいて、最高のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-09-12T22:40:50Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• An explainable two-dimensional single model deep learning approach for Alzheimer's disease diagnosis and brain atrophy localization [3.9281410693767036]
  本稿では、アルツハイマー病(AD)の自動診断と、sMRIデータから、この疾患に関連する重要な脳領域の局所化について、エンドツーエンドのディープラーニングアプローチを提案する。 提案手法は,AD対認知正常(CN)とプログレッシブMCI(pMCI)と安定MCI(sMCI)の2つの分類タスクに対して,パブリックアクセス可能な2つのデータセットで評価されている。 実験結果から,本手法はマルチモデルや3次元CNN手法など,最先端の手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2021-07-28T07:19:00Z)
• Group Feature Learning and Domain Adversarial Neural Network for aMCI Diagnosis System Based on EEG [25.029697750437094]
  軽度認知障害(mci)の診断はアルツハイマー病(ad)の予防に有効な手段であると考えられている 人間の要因の影響を排除し、より高い精度を得るには、ロボット診断システムを開発する必要があります。 本研究では、Amnestic MCI(aMCI)診断のためのグループ特徴領域逆ニューラルネットワーク(GF-DANN)を提案する。
  論文  参考訳（メタデータ） (2021-04-28T08:08:32Z)

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。