論文の概要: AMD-Mamba: A Phenotype-Aware Multi-Modal Framework for Robust AMD Prognosis

• arxiv url: http://arxiv.org/abs/2508.02957v1
• Date: Mon, 04 Aug 2025 23:47:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.717522
• Title: AMD-Mamba: A Phenotype-Aware Multi-Modal Framework for Robust AMD Prognosis
• Title（参考訳）: AMD-Mamba:ロバストAMD予後のためのPhenotype-Aware Multi-Modal Framework
• Authors: Puzhen Wu, Mingquan Lin, Qingyu Chen, Emily Y. Chew, Zhiyong Lu, Yifan Peng, Hexin Dong,
• Abstract要約: AMD-Mambaは、AMD予後のための新しいマルチモーダルフレームワークである。 カラー・ファンドス・イメージを遺伝的変異と社会デモグラフィー変数と統合する。
• 参考スコア（独自算出の注目度）: 14.878328608023285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Age-related macular degeneration (AMD) is a leading cause of irreversible vision loss, making effective prognosis crucial for timely intervention. In this work, we propose AMD-Mamba, a novel multi-modal framework for AMD prognosis, and further develop a new AMD biomarker. This framework integrates color fundus images with genetic variants and socio-demographic variables. At its core, AMD-Mamba introduces an innovative metric learning strategy that leverages AMD severity scale score as prior knowledge. This strategy allows the model to learn richer feature representations by aligning learned features with clinical phenotypes, thereby improving the capability of conventional prognosis methods in capturing disease progression patterns. In addition, unlike existing models that use traditional CNN backbones and focus primarily on local information, such as the presence of drusen, AMD-Mamba applies Vision Mamba and simultaneously fuses local and long-range global information, such as vascular changes. Furthermore, we enhance prediction performance through multi-scale fusion, combining image information with clinical variables at different resolutions. We evaluate AMD-Mamba on the AREDS dataset, which includes 45,818 color fundus photographs, 52 genetic variants, and 3 socio-demographic variables from 2,741 subjects. Our experimental results demonstrate that our proposed biomarker is one of the most significant biomarkers for the progression of AMD. Notably, combining this biomarker with other existing variables yields promising improvements in detecting high-risk AMD patients at early stages. These findings highlight the potential of our multi-modal framework to facilitate more precise and proactive management of AMD.
• Abstract（参考訳）: 加齢関連黄斑変性症(AMD)は、視力喪失の根本原因であり、時間的介入において効果的な予後が不可欠である。 本研究では,AMDの診断のための新しいマルチモーダルフレームワークであるAMD-Mambaを提案し,さらに新しいAMDバイオマーカーを開発した。 このフレームワークは、カラーファンドス画像と遺伝的変異および社会デモグラフィー変数を統合する。 AMD-Mambaはその中核として、AMD重大度尺度スコアを事前知識として活用する革新的なメートル法学習戦略を導入している。 この戦略により、学習した特徴と臨床表現型を整列させることで、より豊かな特徴表現を学習することができ、疾患進行パターンを捉えるための従来の予後手法の能力を向上させることができる。 さらに、従来のCNNバックボーンを使用し、ドルゼンの存在のようなローカル情報に重点を置いている既存のモデルとは異なり、AMD-Mambaはビジョン・マンバを応用し、血管変化などの局所的および長期的グローバル情報を同時に融合させる。 さらに,画像情報と臨床変数を異なる解像度で組み合わせ,マルチスケール融合による予測性能を向上させる。 AREDSデータセットを用いて,45,818枚の写真,52種類の遺伝的変異体,2,741人の社会デマトグラフィー変数を含むAMD-Mambaの評価を行った。 提案するバイオマーカーは,AMDの進行に最も重要なバイオマーカーの1つである。 特に、このバイオマーカーを既存の変数と組み合わせることで、早期に高リスクAMD患者を検出できる有望な改善が得られる。 これらの知見は,AMDのより正確かつ積極的な管理を促進するために,我々のマルチモーダル・フレームワークの可能性を浮き彫りにした。

関連論文リスト

• Deep Learning for Retinal Degeneration Assessment: A Comprehensive Analysis of the MARIO AMD Progression Challenge [26.28807646471968]
  MICCAI 2024で開かれたMARIOチャレンジは、加齢関連黄斑変性(AMD)の自動検出とモニタリングの進歩に焦点を当てている 主要なデータセットはフランスのブレストから提供され、参加チームによってモデルのトレーニングとテストに使用された。 アルジェリアからの補助的なデータセットは、人口と装置のシフトを評価するために後処理に使用された。
  論文  参考訳（メタデータ） (2025-06-03T15:14:10Z)
• Automatic detection and prediction of nAMD activity change in retinal OCT using Siamese networks and Wasserstein Distance for ordinality [0.7832670743787916]
  加齢に伴う黄斑変性(nAMD)は,高齢者の視力低下の原因である。 近年のディープラーニングの進歩は、光学コヒーレンストモグラフィー(OCT)網膜ボリュームからAMDの変化を予測するための有望なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-01-24T08:35:22Z)
• Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
  遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。 我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
  論文  参考訳（メタデータ） (2024-12-30T01:59:34Z)
• GFE-Mamba: Mamba-based AD Multi-modal Progression Assessment via Generative Feature Extraction from MCI [5.834776094182435]
  アルツハイマー病(英語: Alzheimer's Disease、AD)は、軽度認知障害(MCI)に由来する進行性で不可逆的な神経変性疾患である。 GFE-Mambaモデルは、MCIからADへの進行を効果的に予測し、この分野におけるいくつかの主要な手法を超える。
  論文  参考訳（メタデータ） (2024-07-22T15:22:33Z)
• Phy-Diff: Physics-guided Hourglass Diffusion Model for Diffusion MRI Synthesis [45.074243735766]
  本稿では,高画質のdMRIを生成する物理誘導拡散モデルを提案する。 本モデルは拡散過程におけるノイズ進化におけるdMRIの物理原理を紹介する。 実験の結果,本手法は他の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-05T07:09:19Z)
• Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
  遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。 画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。 本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
  論文  参考訳（メタデータ） (2023-09-26T03:59:21Z)
• Learning Energy-Based Models by Cooperative Diffusion Recovery Likelihood [64.95663299945171]
  高次元データに基づくエネルギーベースモデル(EBM)の訓練は、困難かつ時間を要する可能性がある。 EBMと、GANや拡散モデルのような他の生成フレームワークとの間には、サンプル品質に顕著なギャップがある。 本研究では,協調拡散回復可能性 (CDRL) を提案する。
  論文  参考訳（メタデータ） (2023-09-10T22:05:24Z)
• AMDNet23: A combined deep Contour-based Convolutional Neural Network and Long Short Term Memory system to diagnose Age-related Macular Degeneration [0.0]
  本研究は、畳み込み(CNN)と短期記憶(LSTM)からなるニューラルネットワークを組み合わせた深層学習システムAMDNet23を用いて、眼底部から老化性黄斑変性(AMD)疾患を自動的に検出する。 提案されたハイブリッド深度AMDNet23モデルは、AMD眼疾患の検出を実証し、実験結果は精度96.50%、特異度99.32%、感度96.5%、F1スコア96.49.0%を達成した。
  論文  参考訳（メタデータ） (2023-08-30T07:48:32Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)
• Improving AMD diagnosis by the simultaneous identification of associated retinal lesions [9.707114016577716]
  加齢関連黄斑変性症(AMD)は、先進国において視覚障害の主要な原因である。 本稿では,AMD診断と潜在的な病変の分類を同時に行うCNNに基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-22T17:52:02Z)
• ADAM Challenge: Detecting Age-related Macular Degeneration from Fundus Images [44.212866865895485]
  我々は、I SBI 2020カンファレンスの衛星イベントとして、初めて老化関連黄斑変性症(ADAM)の自動検出課題を設定した。 ADAMチャレンジは、基礎画像からAMDを検出する主要なトピックをカバーする4つのタスクから構成される。 本稿では,課題,データセット,評価手法を紹介するとともに,各タスクに参加するチームの結果を要約し,分析する。
  論文  参考訳（メタデータ） (2022-02-16T10:49:49Z)
• Adversarial Factor Models for the Generation of Improved Autism Diagnostic Biomarkers [19.48133927082379]
  自閉症スペクトラム障害 (ASD) 診断のためのバイオマーカーの改良に, 逆線形因子モデルを適用した。 まず, 逆線形因子モデルを用いてバイオマーカーから共起情報を除去し, ASD 上の関連する情報のみを含むことを実証する。 次に, このモデルを用いて, 予測性能が向上する多モードバイオマーカーの非交叉表現を学習できることを示す。
  論文  参考訳（メタデータ） (2021-09-24T21:56:30Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。