論文の概要: sMRI-based Brain Age Estimation in MCI using Persistent Homology

• arxiv url: http://arxiv.org/abs/2511.05520v1
• Date: Mon, 27 Oct 2025 10:15:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-16 06:38:31.011683
• Title: sMRI-based Brain Age Estimation in MCI using Persistent Homology
• Title（参考訳）: 持続的ホモロジーを用いたMCIのsMRIによる脳年齢推定
• Authors: Debanjali Bhattacharya, Neelam Sinha,
• Abstract要約: 我々は、持続的ホモロジー、特に脳年齢予測のためのベティ曲線の使用を提案する。 提案フレームワークは、公開されているADNIデータセットから100個の構造MRIスキャンに適用される。
• 参考スコア（独自算出の注目度）: 4.483276453936335
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this study, we propose the use of persistent homology -- specifically Betti curves for brain age prediction and for distinguishing between healthy and pathological aging. The proposed framework is applied to 100 structural MRI scans from the publicly available ADNI dataset. Our results indicate that Betti curve features, particularly those from dimension-1 (connected components) and dimension-2 (1D holes), effectively capture structural brain alterations associated with aging. Furthermore, clinical features are grouped into three categories based on their correlation, or lack thereof, with (i) predicted brain age and (ii) chronological age. The findings demonstrate that this approach successfully differentiates normal from pathological aging and provides a novel framework for understanding how structural brain changes relate to cognitive impairment. The proposed method serves as a foundation for developing potential biomarkers for early detection and monitoring of cognitive decline.
• Abstract（参考訳）: 本研究では、持続的ホモロジー(特にベティ曲線)を用いて、脳年齢予測を行い、健康と病理の老化を区別する。 提案フレームワークは、公開されているADNIデータセットから100個の構造MRIスキャンに適用される。 以上の結果から, ベッチ曲線の特徴, 特に次元1(連結成分)と次元2(1Dホール)は, 加齢に伴う構造的脳変化を効果的に捉えていることが示唆された。 さらに、臨床特徴は、その相関、または欠如に基づいて3つのカテゴリに分類される。 (i)脳年齢と予測 (二)年代 本研究は,脳構造の変化が認知障害とどのように関連しているかを理解するための新しい枠組みを提供する。 提案手法は認知低下の早期発見とモニタリングのための潜在的なバイオマーカー開発の基礎となる。

関連論文リスト

• Disentangling Neurodegeneration with Brain Age Gap Prediction Models: A Graph Signal Processing Perspective [89.99666725996975]
  脳年齢ギャップ予測(BAGP)モデルは、データから予測される脳年齢と時系列年齢との差を推定する。 本稿では、BAGPの概要と、グラフ信号処理(GSP)の最近の進歩に基づく、このアプリケーションのための原則化されたフレームワークを紹介する。 VNNは強力な理論的基盤と操作的解釈可能性を提供し、脳年齢差予測の堅牢な推定を可能にする。
  論文  参考訳（メタデータ） (2025-10-14T17:44:45Z)
• BrainPath: Generating Subject-Specific Brain Aging Trajectories [9.106315876381698]
  トレーニング中に脳の経時変化を学習する3D生成フレームワークであるBrainPathについて紹介する。 BrainPathは、単一のベースラインスキャンから任意の時点における解剖学的に忠実なMRIを予測する。
  論文  参考訳（メタデータ） (2025-08-21T02:45:28Z)
• Naturalistic Language-related Movie-Watching fMRI Task for Detecting Neurocognitive Decline and Disorder [60.84344168388442]
  言語関連機能的磁気共鳴画像(fMRI)は,認知機能低下と早期NCDの検出に有望なアプローチである。 香港在住の高齢者97名を対象に,この課題の有効性について検討した。 本研究は、加齢に伴う認知低下とNCDの早期発見のための自然言語関連fMRIタスクの可能性を示した。
  論文  参考訳（メタデータ） (2025-06-10T16:58:47Z)
• Explainable Brain Age Gap Prediction in Neurodegenerative Conditions using coVariance Neural Networks [94.06526659234756]
  脳年齢差予測に対するブラックボックス機械学習アプローチは実用性に制限がある。 各種神経変性疾患に対する皮質厚み特徴を用いた脳年齢差の研究に,VNNに基づくアプローチを適用した。 以上の結果より,アルツハイマー病,前頭側頭型認知症,非定型パーキンソン病の脳年齢差の解剖学的特徴が明らかとなった。
  論文  参考訳（メタデータ） (2025-01-02T19:37:09Z)
• Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
  本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。 具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。 知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
  論文  参考訳（メタデータ） (2024-07-31T04:32:43Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Generative Aging of Brain Images with Diffeomorphic Registration [3.645542167239258]
  脳の老化を分析し予測することは、早期予後と認知疾患の正確な診断に不可欠である。 本稿では, 経時的MRI画像から被検体特異的神経変性を捕捉し, 加齢に伴う解剖学的妥当性を維持する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T08:37:24Z)
• Age-Net: An MRI-Based Iterative Framework for Brain Biological Age Estimation [18.503467872057424]
  生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。 臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-22T19:04:02Z)
• 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)

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。