論文の概要: Deep Learning in Early Alzheimer's disease's Detection: A Comprehensive Survey of Classification, Segmentation, and Feature Extraction Methods

• arxiv url: http://arxiv.org/abs/2501.15293v2
• Date: Wed, 29 Jan 2025 10:30:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 12:31:27.079956
• Title: Deep Learning in Early Alzheimer's disease's Detection: A Comprehensive Survey of Classification, Segmentation, and Feature Extraction Methods
• Title（参考訳）: 早期アルツハイマー病の診断における深層学習 : 分類・分類・特徴抽出法に関する総合的調査
• Authors: Rubab Hafeez, Sadia Waheed, Syeda Aleena Naqvi, Fahad Maqbool, Amna Sarwar, Sajjad Saleem, Muhammad Imran Sharif, Kamran Siddique, Zahid Akhtar,
• Abstract要約: 2015年の世界アルツハイマー病報告書によると、世界中で4680万人が認知症に苦しんでいる。 ディープラーニングは、高次元データの複雑な構造を特定することによって、従来の機械学習技術より優れている。 本研究では、オープンアクセスデータセットを用いて、早期アルツハイマー病検出のためのディープラーニングアルゴリズムの評価を行った。
• 参考スコア（独自算出の注目度）: 4.072815076028185
• License:
• Abstract: Alzheimers disease is a deadly neurological condition, impairing important memory and brain functions. Alzheimers disease promotes brain shrinkage, ultimately leading to dementia. Dementia diagnosis typically takes 2.8 to 4.4 years after the first clinical indication. Advancements in computing and information technology have led to many techniques of studying Alzheimers disease. Early identification and therapy are crucial for preventing Alzheimers disease, as early-onset dementia hits people before the age of 65, while late-onset dementia occurs after this age. According to the 2015 World Alzheimers disease Report, there are 46.8 million individuals worldwide suffering from dementia, with an anticipated 74.7 million more by 2030 and 131.5 million by 2050. Deep Learning has outperformed conventional Machine Learning techniques by identifying intricate structures in high-dimensional data. Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN), have achieved an accuracy of up to 96.0% for Alzheimers disease classification, and 84.2% for mild cognitive impairment (MCI) conversion prediction. There have been few literature surveys available on applying ML to predict dementia, lacking in congenital observations. However, this survey has focused on a specific data channel for dementia detection. This study evaluated Deep Learning algorithms for early Alzheimers disease detection, using openly accessible datasets, feature segmentation, and classification methods. This article also has identified research gaps and limits in detecting Alzheimers disease, which can inform future research.
• Abstract（参考訳）: アルツハイマー病は致命的な神経疾患であり、重要な記憶と脳機能を損なう。 アルツハイマー病は脳の収縮を促進し、最終的に認知症を引き起こす。 認知症の診断は通常、最初の臨床診断から2.8年から4.4年かかる。 コンピュータと情報技術の進歩はアルツハイマー病の研究に多くの技術をもたらした。 早期発症型認知症は65歳未満で発症し,後期発症型認知症は65歳以降で発症し,早期診断と治療はアルツハイマー病予防に不可欠である。 2015年の世界アルツハイマー病報告書によると、認知症に苦しんでいる人は全世界で4680万人であり、2030年までに7470万人、2050年には13150万人と予測されている。 ディープラーニングは、高次元データの複雑な構造を特定することによって、従来の機械学習技術より優れている。 畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)は、アルツハイマー病の分類では96.0%、軽度認知障害(MCI)変換予測では84.2%の精度を達成している。 認知症を予測するためのMLの適用に関する文献調査はほとんど行われておらず、先天的な観察に欠けていた。 しかし、この調査は認知症検出のための特定のデータチャネルに焦点を当てている。 本研究では, 早期アルツハイマー病検出のためのDeep Learningアルゴリズムについて, オープンアクセスデータセット, 特徴セグメンテーション, 分類手法を用いて評価した。 本稿は、アルツハイマー病の発見における研究のギャップと限界を特定し、今後の研究を知らせる。

関連論文リスト

• Image-Based Alzheimer's Disease Detection Using Pretrained Convolutional Neural Network Models [0.0]
  アルツハイマー病は治療不能な進行性脳障害であり、記憶、思考能力、そして最も基本的なタスクを完遂する能力を失う。 本研究は、神経イメージング技術を用いて捉えたバイオマーカーからアルツハイマー病を検出するコンピュータ診断システムを提案する。
  論文  参考訳（メタデータ） (2025-02-09T08:43:08Z)
• Introducing an ensemble method for the early detection of Alzheimer's disease through the analysis of PET scan images [0.8192907805418583]
  本研究は、アルツハイマー病を制御正常(CN)、進行性軽度認知障害(pMCI)、安定性軽度認知障害(sMCI)、アルツハイマー病(AD)の4つのグループに分類する難しい課題について考察する。 いくつかのディープラーニングモデルと伝統的な機械学習モデルがアルツハイマー病の検出に使われている。 その結果、深層学習モデルを用いてMCI患者間の差異を判断すると、全体の平均精度は93.13%、AUCは94.4%となることがわかった。
  論文  参考訳（メタデータ） (2024-03-17T16:12:50Z)
• Automatic Detection of Alzheimer's Disease with Multi-Modal Fusion of Clinical MRI Scans [8.684668542584701]
  1500万人のアメリカ人が2060年までに臨床ADまたは軽度認知障害を発症する。 我々は2種類の脳MRIで疾患のステージを予測することを目的としている。 我々は、T1とFLAIRのMRIスキャンから相補的な情報の相乗効果を学習するAlexNetベースのディープラーニングモデルを設計する。
  論文  参考訳（メタデータ） (2023-11-30T04:32:28Z)
• Alzheimers Disease Diagnosis using Machine Learning: A Review [0.0]
  アルツハイマー病ADは急性神経疾患であり、脳細胞を変性させ、徐々に記憶喪失を引き起こす。 アルツハイマー病の正確な診断には、機械学習のような最先端の手法が不可欠である。
  論文  参考訳（メタデータ） (2023-04-17T17:50:22Z)
• Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
  ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。 病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。 多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
  論文  参考訳（メタデータ） (2023-02-23T09:22:05Z)
• Investigating Conversion from Mild Cognitive Impairment to Alzheimer's Disease using Latent Space Manipulation [0.23931689873603598]
  本稿では、MCIからアルツハイマー病への変換の識別子である変数を発見するためのディープラーニングフレームワークを提案する。 特に、MCIおよびアルツハイマー病患者で訓練された変分自己エンコーダネットワークの潜時空間を操作し、重要な特性を得る。 生成型デコーダとアルツハイマー病の診断に繋がる寸法を利用して、データセット中のMCI患者から合成認知症患者を生成する。
  論文  参考訳（メタデータ） (2021-11-16T21:48:09Z)
• Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
  T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。 686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
  論文  参考訳（メタデータ） (2021-06-06T07:11:25Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• 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)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。