論文の概要: UG-FedDA: Uncertainty-Guided Federated Domain Adaptation for Multi-Center Alzheimer's Disease Detection

• arxiv url: http://arxiv.org/abs/2512.05814v1
• Date: Fri, 05 Dec 2025 15:33:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:57.083962
• Title: UG-FedDA: Uncertainty-Guided Federated Domain Adaptation for Multi-Center Alzheimer's Disease Detection
• Title（参考訳）: UG-FedDA: Uncerty-Guided Federated Domain Adaptation for Multi-Center Alzheimer's Disease Detection
• Authors: Fubao Zhu, Zhanyuan Jia, Zhiguo Wang, Huan Huang, Danyang Sun, Chuang Han, Yanting Li, Jiaofen Nan, Chen Zhao, Weihua Zhou,
• Abstract要約: Uncertainty-Guided Federated Domain Adaptation (UG-FedDA)は、アルツハイマー病(AD)の分類フレームワークである。 提案手法は,自己注意変換器を用いてマルチテンプレート領域(RoI)の特徴を抽出し,各領域の表現と相互作用を抽出する。 精度、感度、領域を3つの分類タスクで一貫したクロスドメイン改善を実現している。
• 参考スコア（独自算出の注目度）: 21.480835495115233
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer's disease (AD) is an irreversible neurodegenerative disorder, and early diagnosis is critical for timely intervention. However, most existing classification frameworks face challenges in multicenter studies, as they often neglect inter-site heterogeneity and lack mechanisms to quantify uncertainty, which limits their robustness and clinical applicability. To address these issues, we proposed Uncertainty-Guided Federated Domain Adaptation (UG-FedDA), a novel multicenter AD classification framework that integrates uncertainty quantification (UQ) with federated domain adaptation to handle cross-site structure magnetic resonance imaging (MRI) heterogeneity under privacy constraints. Our approach extracts multi-template region-of-interest (RoI) features using a self-attention transformer, capturing both regional representations and their interactions. UQ is integrated to guide feature alignment, mitigating source-target distribution shifts by down-weighting uncertain samples. Experiments are conducted on three public datasets: the Alzheimer's Disease Neuroimaging Initiative (ADNI), the Australian Imaging, Biomarkers and Lifestyle study (AIBL), and the Open Access Series of Imaging Studies (OASIS). UG-FedDA achieved consistent cross-domain improvements in accuracy, sensitivity, and area under the ROC curve across three classification tasks: AD vs. normal controls (NC), mild cognitive impairment (MCI) vs. AD, and NC vs. MCI. For NC vs. AD, UG-FedDA achieves accuracies of 90.54%, 89.04%, and 77.78% on ADNI, AIBL and OASIS datasets, respectively. For MCI vs. AD, accuracies are 80.20% (ADNI), 71.91% (AIBL), and 79.73% (OASIS). For NC vs. MCI, results are 76.87% (ADNI), 73.91% (AIBL), and 83.73% (OASIS). These results demonstrate that the proposed framework not only adapts efficiently across multiple sites but also preserves strict privacy.
• Abstract（参考訳）: アルツハイマー病(AD)は神経変性疾患であり、早期診断は時間的介入に重要である。 しかし、既存のほとんどの分類フレームワークは、サイト間不均一性を無視し、不確実性を定量化するメカニズムが欠如しているため、マルチセンター研究において課題に直面している。 これらの問題に対処するために、我々は、不確実性定量化(UQ)とフェデレートドメイン適応を統合し、プライバシー制約下でのクロスサイト構造磁気共鳴イメージング(MRI)の不均一性を処理する、新しいマルチセンターAD分類フレームワークである、不確実性ガイド付きフェデレートドメイン適応(UG-FedDA)を提案した。 提案手法は,自己注意変換器を用いてマルチテンプレート領域(RoI)の特徴を抽出し,各領域の表現と相互作用を抽出する。 UQは機能アライメントをガイドするために統合されており、不確実なサンプルを低重み付けすることでソースとターゲットの分散シフトを緩和する。 実験は、アルツハイマー病ニューロイメージングイニシアチブ(ADNI)、オーストラリアイメージング、バイオマーカー、ライフスタイル研究(AIBL)、およびOASIS(Open Access Series of Imaging Studies)の3つの公開データセットで実施されている。 UG-FedDAは,AD対正常コントロール(NC),軽度認知障害(MCI)対AD(AD),NC対MCI(MCI)という3つの分類課題において,OC曲線の精度,感度,領域の整合性の向上を実現した。 NC対ADでは、UG-FedDAはそれぞれADNI、AIBL、OASISデータセット上で90.54%、89.04%、77.78%の精度を達成した。 MCI対ADでは80.20%(ADNI)、71.91%(AIBL)、79.73%(OASIS)である。 NC対MCIの場合、結果は76.87%(ADNI)、73.91%(AIBL)、83.73%(OASIS)である。 これらの結果から,提案フレームワークは複数のサイトに対して効率的に適応するだけでなく,厳格なプライバシも保持することが示された。

関連論文リスト

• 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)
• Cross-Attention Fusion of MRI and Jacobian Maps for Alzheimer's Disease Diagnosis [5.955559082904072]
  アルツハイマー病分類におけるsMRI強度とJSM由来の変形の関係をモデル化するクロスアテンション融合フレームワークを提案する。 ROC-AUCスコアはAD対認知正常(CN)、0.692は軽度認知障害(MCI)、CNは平均0.903である。 性能は高いが、我々のモデルは依然として非常に効率的であり、パラメータはわずか156万で、ResNet-34 (63M) と Swin UNETR (61.98M) の40倍以上である。
  論文  参考訳（メタデータ） (2025-03-01T18:50:46Z)
• 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)
• Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers [0.0]
  我々は,アミロイド・タウ・デジェネレーション(ATN)イメージングバイオマーカー間の個人レベルの変動を分析するために,ディープラーニングに基づく規範的枠組みを採用した。 ATN全体にわたる異常偏差の空間的範囲と大きさを用いて,DSI(個人レベル病重症度指数)を算出した。
  論文  参考訳（メタデータ） (2024-04-04T06:06:26Z)
• Unraveling the "Anomaly" in Time Series Anomaly Detection: A Self-supervised Tri-domain Solution [89.16750999704969]
  異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。 自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。 自己教師型3領域異常検出器(TriAD)を提案する。
  論文  参考訳（メタデータ） (2023-11-19T05:37:18Z)
• OpenNDD: Open Set Recognition for Neurodevelopmental Disorders Detection [16.36536069562694]
  ASD支援診断のための新しいオープンセット認識フレームワーク(OpenNDD)を設計する。 NDDの強い類似性を考えると、Min-MaxスケーリングとMMS(Standardization)を組み合わせた共同スケーリング法を提案する。 OpenNDDは77.38%、AUROCは75.53%、オープンセットの分類率は59.43%という有望な性能を実現しています。
  論文  参考訳（メタデータ） (2023-06-28T09:28:33Z)
• Unsupervised Domain Adaptation for Dysarthric Speech Detection via Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
  本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。 DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。 実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
  論文  参考訳（メタデータ） (2021-06-18T13:34:36Z)
• Federated Deep AUC Maximization for Heterogeneous Data with a Constant Communication Complexity [77.78624443410216]
  異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。 本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。 FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
  論文  参考訳（メタデータ） (2021-02-09T04:05:19Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)

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。