論文の概要: Validating Deep Models for Alzheimer's 18F-FDG PET Diagnosis Across Populations: A Study with Latin American Data

• arxiv url: http://arxiv.org/abs/2511.00728v1
• Date: Sat, 01 Nov 2025 22:24:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.911567
• Title: Validating Deep Models for Alzheimer's 18F-FDG PET Diagnosis Across Populations: A Study with Latin American Data
• Title（参考訳）: アルツハイマー18F-FDG PET診断における深部モデルの有効性 : ラテンアメリカデータを用いた検討
• Authors: Hugo Massaroli, Hernan Chaves, Pilar Anania, Mauricio Farez, Emmanuel Iarussi, Viviana Siless,
• Abstract要約: 我々はアルツハイマー病神経画像イニシアチブデータセットの畳み込みモデルとトランスフォーマーモデルを比較した。 すべてのモデルがADNI上で高いAUCを達成する一方で、その性能はFLENIで大幅に低下することを示す。 これらの知見は、診断AIモデルの集団認識による検証の必要性を浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 2.0524609401792397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning models have shown strong performance in diagnosing Alzheimer's disease (AD) using neuroimaging data, particularly 18F-FDG PET scans, with training datasets largely composed of North American cohorts such as those in the Alzheimer's Disease Neuroimaging Initiative (ADNI). However, their generalization to underrepresented populations remains underexplored. In this study, we benchmark convolutional and Transformer-based models on the ADNI dataset and assess their generalization performance on a novel Latin American clinical cohort from the FLENI Institute in Buenos Aires, Argentina. We show that while all models achieve high AUCs on ADNI (up to .96, .97), their performance drops substantially on FLENI (down to .82, .80, respectively), revealing a significant domain shift. The tested architectures demonstrated similar performance, calling into question the supposed advantages of transformers for this specific task. Through ablation studies, we identify per-image normalization and a correct sampling selection as key factors for generalization. Occlusion sensitivity analysis further reveals that models trained on ADNI, generally attend to canonical hypometabolic regions for the AD class, but focus becomes unclear for the other classes and for FLENI scans. These findings highlight the need for population-aware validation of diagnostic AI models and motivate future work on domain adaptation and cohort diversification.
• Abstract（参考訳）: 深層学習モデルは、神経画像データ(特に18F-FDG PETスキャン)を用いてアルツハイマー病(AD)を診断する上で、特にアルツハイマー病神経画像イニシアチブ(ADNI)のような北米のコホートからなるトレーニングデータセットを用いて、強いパフォーマンスを示している。 しかし、人口不足への一般化は未発見のままである。 本研究では,アルゼンチンのブエノスアイレスにあるFLENI研究所において,ADNIデータセットの畳み込みモデルとトランスフォーマーモデルを比較し,その一般化性能を評価した。 すべてのモデルがADNI(最大.96, .97)上で高いAUCを達成する一方で、その性能はFLENI(それぞれ.82, .80)で大幅に低下し、ドメインシフトが顕著であることが示されている。 テストされたアーキテクチャも同様のパフォーマンスを示し、この特定のタスクに対するトランスフォーマーの利点を疑問視した。 アブレーション研究を通じて、画像ごとの正規化と正しいサンプリング選択を一般化の鍵となる要因として同定する。 咬合感度分析により、ADNIで訓練されたモデルでは、一般的にADクラスでは標準的低代謝領域を呈するが、他のクラスやFLENIスキャンでは焦点が不明確になる。 これらの知見は、診断AIモデルの集団認識による検証の必要性を強調し、ドメイン適応とコホート多様化に関する今後の研究を動機付けている。

関連論文リスト

• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• EffNetViTLoRA: An Efficient Hybrid Deep Learning Approach for Alzheimer's Disease Diagnosis [2.220152876549942]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、世界の神経変性疾患の一つ。 EffNetViTLoRA は Alzheimer's Disease Neuroimaging Initiative (ADNI) Magnetic Resonance Imaging (MRI) データセットを用いたAD診断のエンドツーエンドモデルである。
  論文  参考訳（メタデータ） (2025-08-26T18:22:28Z)
• Predicting EGFR Mutation in LUAD from Histopathological Whole-Slide Images Using Pretrained Foundation Model and Transfer Learning: An Indian Cohort Study [1.0442511738376665]
  肺腺癌 (LUAD) は非小細胞肺癌(NSCLC)の亜型である EGFR遺伝子変異を有するLUADは、LUAD症例の約46%を占める。 AIモデルの最近の進歩は、がんの検出と分類において有望な結果を示している。
  論文  参考訳（メタデータ） (2025-08-02T12:57:16Z)
• ADformer: A Multi-Granularity Spatial-Temporal Transformer for EEG-Based Alzheimer Detection [42.72554952799386]
  脳波は、アルツハイマー病(AD)の検出において神経科医を支援する費用効率が高く効率的なツールとして登場した 生の脳波信号から時間的特徴と空間的特徴の両方を捉えるために設計された新しい多粒度時空間変換器であるADformerを提案する。 実験の結果、ADformerは既存の手法を一貫して上回り、被験者レベルのF1スコアは92.82%、89.83%、67.99%、83.98%となっている。
  論文  参考訳（メタデータ） (2024-08-17T14:10:41Z)
• Fairness Evolution in Continual Learning for Medical Imaging [47.52603262576663]
  本研究では、ドメイン固有の公平度指標を用いてタスク間でバイアスがどのように進化し、異なるCL戦略がこの進化にどのように影響するかを検討する。 以上の結果から,擬似ラベルと擬似ラベルの学習は最適分類性能を実現するが,擬似ラベルの偏りは小さいことが示唆された。
  論文  参考訳（メタデータ） (2024-04-10T09:48:52Z)
• A reproducible 3D convolutional neural network with dual attention module (3D-DAM) for Alzheimer's disease classification [1.5566524830295307]
  本稿では,アルツハイマー病分類のための2つの注意モジュールを備えた3次元畳み込みニューラルネットワークを提案する。 このモデルをADNIデータベースでトレーニングし、2つの独立したデータセットで本手法の一般化性を検証する。
  論文  参考訳（メタデータ） (2023-10-19T08:33:23Z)
• DGM-DR: Domain Generalization with Mutual Information Regularized Diabetic Retinopathy Classification [40.35834579068518]
  トレーニングとテストデータのドメインシフトは、一般的なディープラーニングモデルをトレーニングする上で大きな課題となる。 医用画像領域に事前訓練されたモデルとしてモデル目的関数を再確立するDG法を提案する。 提案手法は,従来の最先端技術よりも平均精度5.25%,標準偏差が低い。
  論文  参考訳（メタデータ） (2023-09-18T11:17:13Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• On the explainability of hospitalization prediction on a large COVID-19 patient dataset [45.82374977939355]
  我々は、新型コロナウイルス陽性の米国の患者の大規模な(110ドル以上)コホートでの入院を予測するために、さまざまなAIモデルを開発した。 高いデータアンバランスにもかかわらず、モデルは平均精度0.96-0.98 (0.75-0.85)、リコール0.96-0.98 (0.74-0.85)、F_score097-0.98 (0.79-0.83)に達する。
  論文  参考訳（メタデータ） (2021-10-28T10:23:38Z)

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。