論文の概要: Contrastive Deep Learning Reveals Age Biomarkers in Histopathological Skin Biopsies

• arxiv url: http://arxiv.org/abs/2411.16956v1
• Date: Mon, 25 Nov 2024 21:52:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:36:26.603447
• Title: Contrastive Deep Learning Reveals Age Biomarkers in Histopathological Skin Biopsies
• Title（参考訳）: 病理組織学的皮膚生検におけるDeep Learningの対比
• Authors: Kaustubh Chakradeo, Pernille Nielsen, Lise Mette Rahbek Gjerdrum, Gry Sahl Hansen, David A Duchêne, Laust H Mortensen, Majken K Jensen, Samir Bhatt,
• Abstract要約: 皮膚生検画像だけでは、個人の年齢を決定するのに十分であることを示す。 次に、皮膚生検の病理組織学的スライドに視覚的特徴を用いて、新しい老化のバイオマーカーを構築した。
• 参考スコア（独自算出の注目度）: 0.4517077427559345
• License:
• Abstract: As global life expectancy increases, so does the burden of chronic diseases, yet individuals exhibit considerable variability in the rate at which they age. Identifying biomarkers that distinguish fast from slow ageing is crucial for understanding the biology of ageing, enabling early disease detection, and improving prevention strategies. Using contrastive deep learning, we show that skin biopsy images alone are sufficient to determine an individual's age. We then use visual features in histopathology slides of the skin biopsies to construct a novel biomarker of ageing. By linking with comprehensive health registers in Denmark, we demonstrate that visual features in histopathology slides of skin biopsies predict mortality and the prevalence of chronic age-related diseases. Our work highlights how routinely collected health data can provide additional value when used together with deep learning, by creating a new biomarker for ageing which can be actively used to determine mortality over time.
• Abstract（参考訳）: 世界の平均寿命が増加するにつれて、慢性疾患の負担も増大するが、個人は年齢の変動がかなり大きい。 老化の遅さと区別するバイオマーカーの同定は、老化の生物学的理解、早期疾患の検出、予防戦略の改善に不可欠である。 対照的な深層学習を用いて、皮膚生検画像だけでは個人の年齢を決定するのに十分であることを示す。 次に、皮膚生検の病理組織学的スライドに視覚的特徴を用いて、新しい老化のバイオマーカーを構築した。 デンマークの総合的な健康記録とリンクすることで、皮膚生検の病理組織学的スライドの視覚的特徴が死亡率と慢性年齢関連疾患の流行を予測することを実証した。 我々の研究は、日常的に収集された健康データが、深層学習と併用して、経時的に死亡率を決定するために積極的に使用できる新しいバイオマーカーを作成することで、どのように付加価値を提供するかを強調している。

関連論文リスト

• Latent Relationship Mining of Glaucoma Biomarkers: a TRI-LSTM based Deep Learning [4.35211788867287]
  我々は認知科学の概念から学び、眼科医が緑内障の検出をどう判断するかを研究する。 本稿では,バイオマーカー指向機械学習モデルに基づく階層的意思決定システムを提案する。 本モデルは緑内障バイオマーカーの内在的な関係を探究する最初の試みの一つである。
  論文  参考訳（メタデータ） (2024-08-28T06:08:46Z)
• Lifestyle-Informed Personalized Blood Biomarker Prediction via Novel Representation Learning [7.845988771273181]
  今後,血液マーカーの値を予測する新しい枠組みを提案する。 提案手法は,生物マーカーと生活習慣因子の複雑な関係を捉える類似性に基づく埋め込み空間を学習する。
  論文  参考訳（メタデータ） (2024-07-09T23:52:53Z)
• Spatio-Temporal Similarity Measure based Multi-Task Learning for Predicting Alzheimer's Disease Progression using MRI Data [18.669489433316127]
  本稿では,アルツハイマー病の進行を効果的に予測するための,新しい時間的類似度尺度に基づくマルチタスク学習手法を提案する。 また, バイオマーカー間の関係の変化を識別するために, 縦方向の安定性の選択を行うことも可能である。 本研究では,皮質体積および表面積の相乗的劣化指標が認知的予測に有意な影響を及ぼすことを証明した。
  論文  参考訳（メタデータ） (2023-11-06T21:59:19Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
  デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。 この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
  論文  参考訳（メタデータ） (2023-03-14T15:23:48Z)
• Development of deep biological ages aware of morbidity and mortality based on unsupervised and semi-supervised deep learning approaches [3.8240573706733514]
  既存の生物学的年齢推定の深層学習法は通常、時系列年齢と死亡率と死亡率の考慮の欠如に依存している。 本稿では,生物老化の潜在的表現を被験者の死亡率と死亡率に関して学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-01T08:54:00Z)
• Label scarcity in biomedicine: Data-rich latent factor discovery enhances phenotype prediction [102.23901690661916]
  低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。 半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
  論文  参考訳（メタデータ） (2021-10-12T16:25:50Z)
• Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
  本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。 予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。 本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
  論文  参考訳（メタデータ） (2021-08-11T18:08:09Z)
• The Future will be Different than Today: Model Evaluation Considerations when Developing Translational Clinical Biomarker [4.549866091318765]
  従来のクロスバリデーション(cv)方式の代わりに,LOSO(Left-one-Study-out)を用いた評価戦略を提案する。 バイオマーカーの効果を推定するためのK-fold vs. LOSO cvの性能を示すために,臨床実験およびシミュレーション研究のデータを活用した。
  論文  参考訳（メタデータ） (2021-07-13T19:36:25Z)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)

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。