Fugu-MT 論文翻訳(概要): BRAINS: A Retrieval-Augmented System for Alzheimer's Detection and Monitoring

論文の概要: BRAINS: A Retrieval-Augmented System for Alzheimer's Detection and Monitoring

arxiv url: http://arxiv.org/abs/2511.02490v1
Date: Tue, 04 Nov 2025 11:27:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-05 18:47:05.972183
Title: BRAINS: A Retrieval-Augmented System for Alzheimer's Detection and Monitoring
Title（参考訳）: BRAINS: アルツハイマーの検出とモニタリングのための検索機能強化システム
Authors: Rajan Das Gupta, Md Kishor Morol, Nafiz Fahad, Md Tanzib Hosain, Sumaya Binte Zilani Choya, Md Jakir Hossen,
Abstract要約: 本稿では,BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) を提案する。このシステムは、アルツハイマーの検知とモニタリングのために、Large Language Models(LLM)の強力な推論能力を利用する。このシステムは、スケーラブルで説明可能な早期アルツハイマー病検出のための補助ツールとしての強い可能性を示すだけでなく、この分野における将来の応用への期待も示している。
参考スコア（独自算出の注目度）: 0.30786914102688595
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As the global burden of Alzheimer's disease (AD) continues to grow, early and accurate detection has become increasingly critical, especially in regions with limited access to advanced diagnostic tools. We propose BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) to address this challenge. This novel system harnesses the powerful reasoning capabilities of Large Language Models (LLMs) for Alzheimer's detection and monitoring. BRAINS features a dual-module architecture: a cognitive diagnostic module and a case-retrieval module. The Diagnostic Module utilizes LLMs fine-tuned on cognitive and neuroimaging datasets -- including MMSE, CDR scores, and brain volume metrics -- to perform structured assessments of Alzheimer's risk. Meanwhile, the Case Retrieval Module encodes patient profiles into latent representations and retrieves similar cases from a curated knowledge base. These auxiliary cases are fused with the input profile via a Case Fusion Layer to enhance contextual understanding. The combined representation is then processed with clinical prompts for inference. Evaluations on real-world datasets demonstrate BRAINS effectiveness in classifying disease severity and identifying early signs of cognitive decline. This system not only shows strong potential as an assistive tool for scalable, explainable, and early-stage Alzheimer's disease detection, but also offers hope for future applications in the field.
Abstract（参考訳）: アルツハイマー病(AD)の世界的な負担が増大し続けており、特に先進的な診断ツールへのアクセスが限られている地域では、早期かつ正確な検出がますます重要になっている。本稿では,BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) を提案する。このシステムは、アルツハイマーの検知とモニタリングのために、Large Language Models(LLM)の強力な推論能力を利用する。 BRAINSは、認知診断モジュールとケース検索モジュールという、デュアルモジュールアーキテクチャを備えている。診断モジュールは、MMSE、CDRスコア、脳体積測定値など、認知と神経画像のデータセットを微調整したLLMを使用して、アルツハイマー病のリスクの構造化評価を行う。一方、ケース検索モジュールは、患者プロファイルを潜在表現にエンコードし、キュレートされた知識ベースから類似のケースを検索する。これらの補助ケースは、コンテキスト理解を強化するために、ケースフュージョン層を介して入力プロファイルと融合する。組み合わせた表現は、推論のための臨床的なプロンプトで処理される。実世界のデータセットの評価は、BRAINSが病気の重症度を分類し、認知低下の早期の兆候を識別する効果を示す。このシステムは、スケーラブルで説明可能な早期アルツハイマー病検出のための補助ツールとしての強い可能性を示すだけでなく、この分野における将来の応用への期待も示している。

関連論文リスト

Cross-modal Causal Intervention for Alzheimer's Disease Prediction [12.485088483891843]
本稿では,アルツハイマー病の予防接種による視覚的因果介入の枠組みを提案する。私たちのフレームワークは、因果的介入を通じて、共同創設者を暗黙的に排除します。 CN/MCI/ADの鑑別において,本手法の優れた性能を示す実験結果が得られた。
論文参考訳（メタデータ） (2025-07-18T14:21:24Z)
Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI [1.0439136407307048]
階層型視覚変換器モデルであるSwin Transformerを用いたマルチシェルdMRIデータに基づく分類パイプラインを提案する。 DTIとNODDIの主なメトリクスを抽出し、2次元平面上に投影し、ImageNet-pretrained modelで転送学習を可能にする。診断群予測(認知正常,軽度認知障害,アルツハイマー病認知症,アミロイド状態分類)の枠組みについて検討した。
論文参考訳（メタデータ） (2025-07-14T07:31:40Z)
Addressing the Gaps in Early Dementia Detection: A Path Towards Enhanced Diagnostic Models through Machine Learning [0.0]
この急激な世界的な高齢化傾向は、アルツハイマー病を含む認知症患者の増加につながっている。認知テスト、ニューロイメージング、バイオマーカー分析といった従来の診断技術は、感度、アクセシビリティ、コストに重大な制限に直面している。本研究は、早期認知症検出を促進するための変革的アプローチとして、機械学習(ML)の可能性を探るものである。
論文参考訳（メタデータ） (2024-09-05T00:52:59Z)
Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文参考訳（メタデータ） (2024-08-09T15:10:34Z)
Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。 RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
論文参考訳（メタデータ） (2024-07-17T07:44:18Z)
Leveraging Deep Learning and Xception Architecture for High-Accuracy MRI Classification in Alzheimer Diagnosis [11.295734491885682]
本研究の目的は、深層学習モデルを用いてMRI画像の分類を行い、アルツハイマー病の異なる段階を同定することである。実験の結果,Xceptionモデルに基づくディープラーニングフレームワークは,マルチクラスMRI画像分類タスクにおいて99.6%の精度を達成した。
論文参考訳（メタデータ） (2024-03-24T16:11:27Z)
Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
論文参考訳（メタデータ） (2024-02-13T15:43:30Z)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
Towards the Identifiability and Explainability for Personalized Learner Modeling: An Inductive Paradigm [36.60917255464867]
本稿では,エンコーダ・デコーダモデルにインスパイアされた新しい応答効率応答パラダイムに基づく,識別可能な認知診断フレームワークを提案する。診断精度を損なうことなく,ID-CDFが効果的に対処できることが示唆された。
論文参考訳（メタデータ） (2023-09-01T07:18:02Z)
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)

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。