論文の概要: The Age-specific Alzheimer 's Disease Prediction with Characteristic Constraints in Nonuniform Time Span
- arxiv url: http://arxiv.org/abs/2511.21530v1
- Date: Wed, 26 Nov 2025 15:58:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:59.184548
- Title: The Age-specific Alzheimer 's Disease Prediction with Characteristic Constraints in Nonuniform Time Span
- Title（参考訳）: 年齢別アルツハイマー病の予測 : 非一様時間における特徴的制約
- Authors: Xin Hong, Kaifeng Huang,
- Abstract要約: アルツハイマー病は認知機能の低下を特徴とする不安定な疾患である。
アルツハイマー病の予測に生成された画像の応用が課題となっている。
本研究は,定量的指標による逐次画像生成のための革新的な手法を提案する。
- 参考スコア（独自算出の注目度）: 4.942858330501419
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Alzheimer's disease is a debilitating disorder marked by a decline in cognitive function. Timely identification of the disease is essential for the development of personalized treatment strategies that aim to mitigate its progression. The application of generated images for the prediction of Alzheimer's disease poses challenges, particularly in accurately representing the disease's characteristics when input sequences are captured at irregular time intervals. This study presents an innovative methodology for sequential image generation, guided by quantitative metrics, to maintain the essential features indicative of disease progression. Furthermore, an age-scaling factor is integrated into the process to produce age-specific MRI images, facilitating the prediction of advanced stages of the disease. The results obtained from the ablation study suggest that the inclusion of quantitative metrics significantly improves the accuracy of MRI image synthesis. Furthermore, the application of age-scaled pixel loss contributed to the enhanced iterative generation of MRI images. In terms of long-term disease prognosis, the Structural Similarity Index reached a peak value of 0.882, indicating a substantial degree of similarity in the synthesized images.
- Abstract（参考訳）: アルツハイマー病は認知機能の低下を特徴とする不安定な疾患である。
この病気のタイムリーな識別は、その進行を緩和するパーソナライズされた治療戦略の開発に不可欠である。
アルツハイマー病の予測への生成画像の適用は、特に入力シーケンスが不規則な時間間隔で取得されたときに、疾患の特徴を正確に表現する上で、課題を生じさせる。
本研究は, 疾患進行を示す重要な特徴を維持するために, 定量的指標によって導かれる逐次画像生成のための革新的な方法論を提案する。
さらに、年齢スケーリング因子が年齢固有のMRI画像を生成するプロセスに統合され、疾患の進行段階の予測が容易になる。
アブレーション実験の結果, 定量値の含有はMRI画像合成の精度を著しく向上させることが示された。
さらに,年齢スケールの画素損失の応用は,MRI画像の反復的生成に寄与した。
長期的な疾患予後の指標として, 構造類似度指数は0.882のピーク値に達し, 合成画像の相当な類似度を示した。
関連論文リスト
- Deformation-aware Temporal Generation for Early Prediction of Alzheimers Disease [8.153051409690812]
退縮性脳疾患であるアルツハイマー病は、その進行を遅くする早期予測の恩恵を受ける。
アルツハイマー病の現在の予測法は、主に手動の特徴抽出による脳画像の形態変化の分析を含む。
本稿では, 早期予測のための脳画像の形態変化の学習を自動化するために, 変形認識時間生成ネットワーク(DATGN)を提案する。
論文 参考訳（メタデータ） (2025-11-26T06:59:17Z) - Long-Term Alzheimers Disease Prediction: A Novel Image Generation Method Using Temporal Parameter Estimation with Normal Inverse Gamma Distribution on Uneven Time Series [10.295346114488526]
本研究では,T-NIG(正規逆ガンマ分布)内の時間パラメータを推定し,長期にわたる画像生成を支援するモデルを提案する。
T-NIGモデルは、2つの異なる時点の脳画像を用いて中間的な脳画像を作成し、将来の画像を予測する。
その結果, T-NIGは, 不規則な時間的データ分布に直面しても, 疾患関連特性を維持しつつ, 進行予測に優れていたことが示唆された。
論文 参考訳（メタデータ） (2025-11-26T04:49:43Z) - Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。
これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。
連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
論文 参考訳（メタデータ） (2025-11-06T20:16:33Z) - Uncovering Alzheimer's Disease Progression via SDE-based Spatio-Temporal Graph Deep Learning on Longitudinal Brain Networks [18.54013631358448]
我々は、将来のアルツハイマー病(AD)の進行を予測するニューラルネットワークフレームワークを開発する。
筆者らの枠組みは, 地域的, 結合的重要性の低い確率を効果的に学習する。
以上の結果から,AD進行の早期・個別化予測における時間グラフ学習の可能性が示唆された。
論文 参考訳（メタデータ） (2025-09-26T01:02:34Z) - 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) - Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。
時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
論文 参考訳（メタデータ） (2024-05-14T17:15:28Z) - Multi-scale Spatio-temporal Transformer-based Imbalanced Longitudinal
Learning for Glaucoma Forecasting from Irregular Time Series Images [45.894671834869975]
緑内障は、進行性視神経線維損傷と不可逆性失明を引き起こす主要な眼疾患の1つである。
逐次画像入力に適した変換器アーキテクチャに基づくマルチスケール時空間変換器ネットワーク(MST-former)を提案する。
本手法は, 軽度認知障害とアルツハイマー病の予測に90.3%の精度で, アルツハイマー病神経画像イニシアチブ(ADNI)MRIデータセットに優れた一般化能力を示す。
論文 参考訳（メタデータ） (2024-02-21T02:16:59Z) - Learning Spatio-Temporal Model of Disease Progression with NeuralODEs
from Longitudinal Volumetric Data [4.998875488622879]
我々は,1つの医療スキャンを処理し,加齢関連疾患の進化をモデル化する深層学習手法を開発した。
ジオグラフィック・アトロフィーの場合,提案手法はアトロフィ成長予測において,関連するベースラインモデルよりも優れていた。
アルツハイマー病に対して, 提案法は, 疾患によって引き起こされる脳の心室変化を予測する上で, 顕著な性能を示した。
論文 参考訳（メタデータ） (2022-11-08T13:28:26Z) - Deep Recurrent Model for Individualized Prediction of Alzheimer's
Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。
本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-06T08:08:00Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。