論文の概要: MRI Embeddings Complement Clinical Predictors for Cognitive Decline Modeling in Alzheimer's Disease Cohorts

• arxiv url: http://arxiv.org/abs/2511.14601v1
• Date: Tue, 18 Nov 2025 15:45:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.189992
• Title: MRI Embeddings Complement Clinical Predictors for Cognitive Decline Modeling in Alzheimer's Disease Cohorts
• Title（参考訳）: アルツハイマー病コホートにおける認知低下モデルのための補体臨床予測因子のMRI埋め込み
• Authors: Nathaniel Putera, Daniel Vilet Rodríguez, Noah Videcrantz, Julia Machnio, Mostafa Mehdipour Ghazi,
• Abstract要約: アルツハイマー病の認知低下の正確なモデリングは、早期成層化とパーソナライズドマネジメントに不可欠である。 認知変化の異質なパターンを捉えるために,ダイナミック・タイム・ウォーピング・クラスタリングに基づくトラジェクトリ・アウェア・ラベリング・ストラテジーを導入する。 3次元視覚変換器 (ViT) を非教師的再構成により訓練し, 解剖学的に保存された埋め込みを得る。
• 参考スコア（独自算出の注目度）: 0.7340017786387767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate modeling of cognitive decline in Alzheimer's disease is essential for early stratification and personalized management. While tabular predictors provide robust markers of global risk, their ability to capture subtle brain changes remains limited. In this study, we evaluate the predictive contributions of tabular and imaging-based representations, with a focus on transformer-derived Magnetic Resonance Imaging (MRI) embeddings. We introduce a trajectory-aware labeling strategy based on Dynamic Time Warping clustering to capture heterogeneous patterns of cognitive change, and train a 3D Vision Transformer (ViT) via unsupervised reconstruction on harmonized and augmented MRI data to obtain anatomy-preserving embeddings without progression labels. The pretrained encoder embeddings are subsequently assessed using both traditional machine learning classifiers and deep learning heads, and compared against tabular representations and convolutional network baselines. Results highlight complementary strengths across modalities. Clinical and volumetric features achieved the highest AUCs of around 0.70 for predicting mild and severe progression, underscoring their utility in capturing global decline trajectories. In contrast, MRI embeddings from the ViT model were most effective in distinguishing cognitively stable individuals with an AUC of 0.71. However, all approaches struggled in the heterogeneous moderate group. These findings indicate that clinical features excel in identifying high-risk extremes, whereas transformer-based MRI embeddings are more sensitive to subtle markers of stability, motivating multimodal fusion strategies for AD progression modeling.
• Abstract（参考訳）: アルツハイマー病の認知低下の正確なモデリングは、早期成層化とパーソナライズドマネジメントに不可欠である。 表状の予測器は、世界的リスクの堅牢なマーカーを提供するが、微妙な脳の変化を捉える能力は依然として限られている。 本研究では,変圧器由来の磁気共鳴画像(MRI)の埋め込みに着目し,表層および画像に基づく表現の予測的寄与を評価する。 認知変化の異種パターンを捉えるために,ダイナミック・タイム・ワーピング・クラスタリングに基づくトラジェクティブ・アウェア・ラベリング・ストラテジーを導入し,高調波・高調波・高調波MRIデータによる教師なし再構成により3Dビジョン・トランスフォーマー(ViT)を訓練し,進行ラベルを使わずに解剖学的に保存された埋め込みを得る。 事前訓練されたエンコーダ埋め込みは、その後、従来の機械学習分類器とディープラーニングヘッドの両方を用いて評価され、表表現や畳み込みネットワークベースラインと比較される。 結果は、モダリティ間の相補的な強みを強調します。 臨床的および体積的特徴は、温暖で厳しい進行を予測するために約0.70のAUCを達成した。 対照的に、VTモデルからのMRIの埋め込みは、認知的安定な個人を0.71のAUCで識別するのに最も効果的であった。 しかし、全てのアプローチは不均一な中間群で苦労した。 以上の結果から,高リスク極端の同定に優れた臨床像が得られたが,変圧器をベースとしたMRIの埋め込みは安定性の微妙な指標に敏感であり,AD進行モデルにおける多モード融合戦略の動機となっている。

関連論文リスト

• Moving Beyond Diffusion: Hierarchy-to-Hierarchy Autoregression for fMRI-to-Image Reconstruction [65.67001243986981]
  我々は,スケールワイド自己回帰モデルに基づく粗大なfMRI画像再構成フレームワークであるMindHierを提案する。 MindHierは、拡散ベースのベースラインよりも優れたセマンティック忠実さ、4.67倍高速な推論、より決定論的結果を達成する。
  論文  参考訳（メタデータ） (2025-10-25T15:40:07Z)
• Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
  機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。 コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。 本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T12:35:01Z)
• Automated Labeling of Intracranial Arteries with Uncertainty Quantification Using Deep Learning [2.6279333406008476]
  3D Time-of-light Magnetic Resonance Angiography (3D ToF-MRA) を用いたディープラーニングによる自動動脈ラベル作成フレームワークを提案する。 我々のフレームワークは、自動脳血管ラベリングのためのスケーラブルで正確で不確実なソリューションを提供し、下流血行動態解析をサポートし、臨床統合を容易にする。
  論文  参考訳（メタデータ） (2025-09-22T12:57:21Z)
• Self-Supervised Cross-Encoder for Neurodegenerative Disease Diagnosis [6.226851122403944]
  縦型MRIスキャンにおける時間的連続性を利用した自己監督型クロスエンコーダフレームワークを提案する。 このフレームワークは、学習した表現を2つのコンポーネントに分解する: 静的表現は、対照的な学習によって制約され、安定した解剖学的特徴を捉え、動的表現は、時間的変化を反映する入力漸進正規化によってガイドされる。 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実験結果から,本手法は分類精度が向上し,解釈性が向上することが示された。
  論文  参考訳（メタデータ） (2025-09-09T11:52:24Z)
• Diffusion with a Linguistic Compass: Steering the Generation of Clinically Plausible Future sMRI Representations for Early MCI Conversion Prediction [13.937881108738042]
  そこで本研究では,臨床応用可能な将来のsMRI表現を直接ベースラインデータから合成する拡散型フレームワークを提案する。 ADNIとAIBLのコホートの実験では、MCI-Diffは最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-05T07:01:05Z)
• MRI Patterns of the Hippocampus and Amygdala for Predicting Stages of Alzheimer's Progression: A Minimal Feature Machine Learning Framework [0.0]
  本研究では、構造的MRIデータを活用する最小機能機械学習フレームワークを提案し、興味のある領域として海馬と扁桃体に焦点を当てた。 このフレームワークは、特徴選択による次元の呪いに対処し、地域固有のボクセル情報を利用し、ノイズを低減して分類性能を向上させる革新的なデータ組織を実装している。
  論文  参考訳（メタデータ） (2025-01-10T10:47:00Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Enhancing MRI-Based Classification of Alzheimer's Disease with Explainable 3D Hybrid Compact Convolutional Transformers [13.743241062824548]
  アルツハイマー病(AD: Alzheimer's disease)は、世界的な健康問題である。 従来の分析手法は、AD識別に不可欠な複雑な3Dパターンの識別に苦慮することが多い。 3D Hybrid Convolutional Transformer 3D (HCCT) について紹介する。
  論文  参考訳（メタデータ） (2024-03-24T14:35:06Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Morphological feature visualization of Alzheimer's disease via Multidirectional Perception GAN [40.50404819220093]
  アルツハイマー病(AD)の重症度を示す形態的特徴を可視化するために, 新規な多方向知覚生成適応ネットワーク(MP-GAN)を提案する。 MP-GANは既存の手法に比べて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-11-25T03:24:52Z)

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。