論文の概要: Combining imaging and shape features for prediction tasks of Alzheimer's disease classification and brain age regression

• arxiv url: http://arxiv.org/abs/2501.07994v1
• Date: Tue, 14 Jan 2025 10:38:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-15 13:25:55.532958
• Title: Combining imaging and shape features for prediction tasks of Alzheimer's disease classification and brain age regression
• Title（参考訳）: アルツハイマー病分類と脳年齢回帰の予測タスクにおける画像と形状の特徴の組み合わせ
• Authors: Nairouz Shehata, Carolina Piçarra, Ben Glocker,
• Abstract要約: 脳年齢予測とアルツハイマー病分類の臨床的タスクにおいてMRIから抽出した画像と形状の特徴を組み合わせることを検討した。 提案モデルでは,ResNetで抽出した画像埋め込みと,ベスポークグラフニューラルネットワークからの形状埋め込みを融合する。 両タスクにおける予測性能の改善を観察し,分類においてかなりの利益を得た。
• 参考スコア（独自算出の注目度）: 14.07305121122096
• License:
• Abstract: We investigate combining imaging and shape features extracted from MRI for the clinically relevant tasks of brain age prediction and Alzheimer's disease classification. Our proposed model fuses ResNet-extracted image embeddings with shape embeddings from a bespoke graph neural network. The shape embeddings are derived from surface meshes of 15 brain structures, capturing detailed geometric information. Combined with the appearance features from T1-weighted images, we observe improvements in the prediction performance on both tasks, with substantial gains for classification. We evaluate the model using public datasets, including CamCAN, IXI, and OASIS3, demonstrating the effectiveness of fusing imaging and shape features for brain analysis.
• Abstract（参考訳）: 脳年齢予測とアルツハイマー病分類の臨床的タスクにおいてMRIから抽出した画像と形状の特徴を組み合わせることを検討した。 提案モデルでは,ResNetで抽出した画像埋め込みと,ベスポークグラフニューラルネットワークからの形状埋め込みを融合する。 形状の埋め込みは15の脳構造からなる表面メッシュから派生し、詳細な幾何学的情報を取得する。 T1重み付き画像の外観特徴と組み合わせることで,両タスクの予測性能が向上し,分類精度が大幅に向上した。 我々は、CamCAN、IXI、OASIS3などの公開データセットを用いてモデルの評価を行い、脳解析における融合画像と形状特徴の有効性を実証した。

関連論文リスト

• Segment Anything for Dendrites from Electron Microscopy [36.25707481854301]
  EM画像中のデンドライトのインタラクティブかつ自動セグメンテーションのためのセグメンテーションに基づく視覚基盤モデルであるデンドライトSAMを提案する。 このモデルは、健康な海馬ラットの高分解能EMデータに基づいて訓練され、病気のラットとヒトのデータで試験される。
  論文  参考訳（メタデータ） (2024-11-04T19:54:26Z)
• Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
  本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。 具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。 知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
  論文  参考訳（メタデータ） (2024-07-31T04:32:43Z)
• Psychometry: An Omnifit Model for Image Reconstruction from Human Brain Activity [60.983327742457995]
  人間の脳活動から見るイメージを再構築することで、人間とコンピュータのビジョンをBrain-Computer Interfaceを通して橋渡しする。 異なる被験者から得られた機能的磁気共鳴イメージング(fMRI)による画像再構成のための全能モデルであるサイコメトリを考案した。
  論文  参考訳（メタデータ） (2024-03-29T07:16:34Z)
• Cross-domain Fiber Cluster Shape Analysis for Language Performance Cognitive Score Prediction [41.018326648532586]
  脳画像における形状解析は、人間の脳の構造と機能の相関を解釈するのに役立ちます。 拡散磁気共鳴画像(dMRI)による脳の3D点配列の再構成を行った。 本稿では,マルチヘッド型クロスアテンション機能融合モジュールを利用して,対象言語の性能を予測する新しいフレームワーク,シェイプフューズファイバクラスタトランス (SFFormer) を提案する。
  論文  参考訳（メタデータ） (2024-03-27T20:51:02Z)
• Attention-based Efficient Classification for 3D MRI Image of Alzheimer's Disease [2.6793044027881865]
  本研究では、畳み込みニューラルネットワークに基づくアルツハイマー病検出モデルを提案する。 実験結果から, 使用した2次元融合アルゴリズムは, モデルのトレーニングコストを効果的に向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T12:18:46Z)
• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• Exploiting Causality Signals in Medical Images: A Pilot Study with Empirical Results [1.2400966570867322]
  本稿では,ニューラルネットワークによる分類目的の画像から弱い因果信号を発見し,利用するための新しい手法を提案する。 このようにして、画像の1つの部分における特徴の存在が、画像の別の部分における他の特徴の出現にどのように影響するかをモデル化する。 提案手法は,畳み込みニューラルネットワークのバックボーンと因果係数抽出モジュールから構成される。
  論文  参考訳（メタデータ） (2023-09-19T08:00:26Z)
• Controllable Mind Visual Diffusion Model [58.83896307930354]
  脳信号の可視化は、人間の視覚システムとコンピュータビジョンモデルの間の重要なインターフェースとして機能する活発な研究領域として登場した。 我々は、制御可能なマインドビジュアルモデル拡散(CMVDM)と呼ばれる新しいアプローチを提案する。 CMVDMは属性アライメントとアシスタントネットワークを用いてfMRIデータから意味情報とシルエット情報を抽出する。 そして、制御モデルを利用して抽出した情報を画像合成に活用し、セマンティクスやシルエットの観点から視覚刺激によく似た画像を生成する。
  論文  参考訳（メタデータ） (2023-05-17T11:36:40Z)
• Functional2Structural: Cross-Modality Brain Networks Representation Learning [55.24969686433101]
  脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。 本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。 臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
  論文  参考訳（メタデータ） (2022-05-06T03:45:36Z)
• Deep Learning Identifies Neuroimaging Signatures of Alzheimer's Disease Using Structural and Synthesized Functional MRI Data [8.388888908045406]
  脳MRIにおける構造-機能変換を初めて学習することにより,潜在的な解決策を提案する。 次に,大規模構造スキャンから空間整合機能画像を合成する。 時間的ローブは最も予測可能な構造領域であり、パリエト後頭ローブはモデルで最も予測可能な機能領域である。
  論文  参考訳（メタデータ） (2021-04-10T03:16:33Z)
• Interpretation of 3D CNNs for Brain MRI Data Classification [56.895060189929055]
  T1脳MRIにおける拡散テンソル画像の男女差について,これまでの知見を拡張した。 ボクセルの3次元CNN解釈を3つの解釈法の結果と比較する。
  論文  参考訳（メタデータ） (2020-06-20T17:56:46Z)

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。