論文の概要: Domain-Adaptive Diagnosis of Lewy Body Disease with Transferability Aware Transformer

• arxiv url: http://arxiv.org/abs/2507.08839v1
• Date: Mon, 07 Jul 2025 22:28:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:21.47332
• Title: Domain-Adaptive Diagnosis of Lewy Body Disease with Transferability Aware Transformer
• Title（参考訳）: トランスポータビリティ・アウェア・トランスフォーマを用いたLewy Body Diseaseのドメイン適応診断
• Authors: Xiaowei Yu, Jing Zhang, Tong Chen, Yan Zhuang, Minheng Chen, Chao Cao, Yanjun Lyu, Lu Zhang, Li Su, Tianming Liu, Dajiang Zhu,
• Abstract要約: LBD診断における大きな障害は、深層学習の有効性を制限するデータ不足である。 本稿では,アルツハイマー病(AD)からの知識を応用し,LBDの診断を促進するトランスファービリティ・アウェア・トランスフォーマー(TAT)を提案する。
• 参考スコア（独自算出の注目度）: 31.450784149130875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lewy Body Disease (LBD) is a common yet understudied form of dementia that imposes a significant burden on public health. It shares clinical similarities with Alzheimer's disease (AD), as both progress through stages of normal cognition, mild cognitive impairment, and dementia. A major obstacle in LBD diagnosis is data scarcity, which limits the effectiveness of deep learning. In contrast, AD datasets are more abundant, offering potential for knowledge transfer. However, LBD and AD data are typically collected from different sites using different machines and protocols, resulting in a distinct domain shift. To effectively leverage AD data while mitigating domain shift, we propose a Transferability Aware Transformer (TAT) that adapts knowledge from AD to enhance LBD diagnosis. Our method utilizes structural connectivity (SC) derived from structural MRI as training data. Built on the attention mechanism, TAT adaptively assigns greater weights to disease-transferable features while suppressing domain-specific ones, thereby reducing domain shift and improving diagnostic accuracy with limited LBD data. The experimental results demonstrate the effectiveness of TAT. To the best of our knowledge, this is the first study to explore domain adaptation from AD to LBD under conditions of data scarcity and domain shift, providing a promising framework for domain-adaptive diagnosis of rare diseases.
• Abstract（参考訳）: ルーイボディ病(Lewy Body Disease、LBD)は、公衆衛生に重大な負担をかける認知症の一種である。 アルツハイマー病(AD)と臨床上の類似点を共有しており、正常認知、軽度認知障害、認知症が進行している。 LBD診断における大きな障害は、深層学習の有効性を制限するデータ不足である。 対照的に、ADデータセットはより豊富であり、知識伝達の可能性を秘めている。 しかし、LBDとADデータは一般的に異なるマシンとプロトコルを使用して異なるサイトから収集され、異なるドメインシフトをもたらす。 ドメインシフトを緩和しつつ、ADデータを効果的に活用するために、ADからの知識に適応してLBD診断を強化するTransferability Aware Transformer (TAT)を提案する。 本手法は,構造MRIから得られた構造接続(SC)をトレーニングデータとして利用する。 注意機構に基づいて構築されたTATは、ドメイン固有の特徴を抑えつつ、疾患伝達可能な特徴に適応的に重みを割り当て、ドメインシフトを低減し、限られたLBDデータによる診断精度を向上させる。 実験の結果,TATの有効性が示された。 データ不足とドメインシフトの条件下で、ADからLBDへのドメイン適応を探求する最初の研究であり、まれな疾患のドメイン適応診断のためのフレームワークを提供する。

関連論文リスト

• MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
  アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。 本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
  論文  参考訳（メタデータ） (2024-11-06T10:13:28Z)
• MMed-RAG: Versatile Multimodal RAG System for Medical Vision Language Models [49.765466293296186]
  近年,Med-LVLM (Med-LVLMs) の進歩により,対話型診断ツールの新たな可能性が高まっている。 Med-LVLMは、しばしば事実の幻覚に悩まされ、誤った診断につながることがある。 我々は,Med-LVLMの現実性を高めるために,多目的マルチモーダルRAGシステムMMed-RAGを提案する。
  論文  参考訳（メタデータ） (2024-10-16T23:03:27Z)
• On the Within-class Variation Issue in Alzheimer's Disease Detection [60.08015780474457]
  Alzheimer's Disease (AD) 検出では、ADと非ADの個人を区別するために、機械学習の分類モデルを使用している。 そこで本研究では,サンプルスコア推定器を用いて,認知的スコアと整合した標本特異的なソフトスコアを生成できることを確認した。 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つの簡易かつ効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Toward Robust Early Detection of Alzheimer's Disease via an Integrated Multimodal Learning Approach [5.9091823080038814]
  アルツハイマー病(英: Alzheimer's Disease、AD)は、記憶障害、執行機能障害、性格変化を特徴とする複雑な神経変性疾患である。 本研究では,臨床,認知,神経画像,脳波データを統合した高度なマルチモーダル分類モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:26:00Z)
• Augmentation-based Unsupervised Cross-Domain Functional MRI Adaptation for Major Depressive Disorder Identification [23.639488571585044]
  メジャー・うつ病(Major depressive disorder、MDD)は、一般的に人の気分、認知、行動、身体的健康に影響を及ぼす一般的な精神障害である。 本研究では,MDDの自動診断のための拡張型非教師付きクロスドメインfMRI適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-31T13:55:33Z)
• DACAD: Domain Adaptation Contrastive Learning for Anomaly Detection in Multivariate Time Series [61.91288852233078]
  時系列異常検出では、ラベル付きデータの不足が正確なモデルの開発に困難をもたらす。 時系列における異常検出のための新しいドメインコントラスト学習モデル(DACAD)を提案する。 本モデルでは,ソース領域に対する教師付きコントラスト損失と,ターゲット領域に対する自己監督型コントラスト型3重項損失を用いる。
  論文  参考訳（メタデータ） (2024-04-17T11:20:14Z)
• Source-Free Domain Adaptation for Medical Image Segmentation via Prototype-Anchored Feature Alignment and Contrastive Learning [57.43322536718131]
  医用画像セグメンテーションのための2段階のソースフリードメイン適応(SFDA)フレームワークを提案する。 プロトタイプアンコールされた特徴アライメントの段階では,まず,事前学習した画素ワイド分類器の重みを原プロトタイプとして利用する。 そこで,本研究では,目標となる特徴とクラスプロトタイプとの整合性を期待するコストを最小化し,双方向輸送を導入する。
  論文  参考訳（メタデータ） (2023-07-19T06:07:12Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Evidence-empowered Transfer Learning for Alzheimer's Disease [6.481792256572828]
  アルツハイマー病の診断にエビデンスを応用した転帰学習法を提案する。 従来の手法とは異なり、AD関連補助タスク、すなわち形態変化予測を利用する。 この補助課題において、診断モデルはMRIスキャンにおける形態的特徴から明らかかつ伝達可能な知識を学習する。
  論文  参考訳（メタデータ） (2023-03-02T09:37:56Z)
• Consecutive Knowledge Meta-Adaptation Learning for Unsupervised Medical Diagnosis [9.54889638702518]
  上記の問題に対処するため,我々はCLKM(Consecutive Lesion Knowledge Meta-Adaptation)というメタ適応フレームワークを開発した。 SAPでは、ソース病変ドメインから学んだ意味知識を連続的なターゲット病変ドメインに転送する。 RAPでは、特徴抽出器はソースと複数のターゲット病変領域間で伝達可能な表現知識を整列するように最適化されている。
  論文  参考訳（メタデータ） (2022-09-21T15:19:51Z)
• Unsupervised Domain Adaptation for Dysarthric Speech Detection via Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
  本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。 DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。 実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
  論文  参考訳（メタデータ） (2021-06-18T13:34:36Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)

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。