論文の概要: Colormap-Enhanced Vision Transformers for MRI-Based Multiclass (4-Class) Alzheimer's Disease Classification

• arxiv url: http://arxiv.org/abs/2512.16964v1
• Date: Thu, 18 Dec 2025 10:14:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.129323
• Title: Colormap-Enhanced Vision Transformers for MRI-Based Multiclass (4-Class) Alzheimer's Disease Classification
• Title（参考訳）: MRIによるマルチクラス(4クラス)アルツハイマー病分類のためのカラーマップ強調型視覚変換器
• Authors: Faisal Ahmed,
• Abstract要約: PseudoColorViT-Alzは、アルツハイマー病の分類を改善するためのカラーマップ強化ビジョントランスフォーマーフレームワークである。 我々のモデルは、100%のAUCで99.79%の最先端精度を達成する。
• 参考スコア（独自算出の注目度）: 0.8374077003751697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Magnetic Resonance Imaging (MRI) plays a pivotal role in the early diagnosis and monitoring of Alzheimer's disease (AD). However, the subtle structural variations in brain MRI scans often pose challenges for conventional deep learning models to extract discriminative features effectively. In this work, we propose PseudoColorViT-Alz, a colormap-enhanced Vision Transformer framework designed to leverage pseudo-color representations of MRI images for improved Alzheimer's disease classification. By combining colormap transformations with the global feature learning capabilities of Vision Transformers, our method amplifies anatomical texture and contrast cues that are otherwise subdued in standard grayscale MRI scans. We evaluate PseudoColorViT-Alz on the OASIS-1 dataset using a four-class classification setup (non-demented, moderate dementia, mild dementia, and very mild dementia). Our model achieves a state-of-the-art accuracy of 99.79% with an AUC of 100%, surpassing the performance of recent 2024--2025 methods, including CNN-based and Siamese-network approaches, which reported accuracies ranging from 96.1% to 99.68%. These results demonstrate that pseudo-color augmentation combined with Vision Transformers can significantly enhance MRI-based Alzheimer's disease classification. PseudoColorViT-Alz offers a robust and interpretable framework that outperforms current methods, providing a promising tool to support clinical decision-making and early detection of Alzheimer's disease.
• Abstract（参考訳）: MRIはアルツハイマー病(AD)の早期診断とモニタリングにおいて重要な役割を担っている。 しかし、脳MRIスキャンの微妙な構造変化は、従来のディープラーニングモデルが識別的特徴を効果的に抽出する上で課題となることが多い。 本研究では,MRI画像の擬似色表現を活用し,アルツハイマー病の分類の改善を目的としたカラーマップ拡張型ビジョントランスフォーマフレームワークであるPseudoColorViT-Alzを提案する。 カラーマップ変換とビジョントランスフォーマーのグローバルな特徴学習機能を組み合わせることで、標準的なグレースケールMRIスキャンでは抑制されない解剖学的テクスチャとコントラストの手がかりを増幅する。 我々は,OASIS-1データセット上のPseudoColorViT-Alzを4種類の分類設定(非段調,中等度認知症,軽度認知症,軽度認知症)を用いて評価した。 CNNやシームズ・ネットワークといった最近の2024-2025手法では,96.1%から99.68%の精度で,100%のAUCで99.79%の精度を達成している。 以上の結果から,視覚変換器を併用した擬似色増色は,MRIによるアルツハイマー病の分類を著しく向上させる可能性が示唆された。 PseudoColorViT-Alzは、現在の方法よりも優れた堅牢で解釈可能なフレームワークを提供し、臨床的な意思決定とアルツハイマー病の早期発見を支援する有望なツールを提供する。

関連論文リスト

• Deep Learning Approaches with Explainable AI for Differentiating Alzheimer Disease and Mild Cognitive Impairment [0.0]
  アルツハイマー病の早期かつ正確な診断は、効果的な臨床介入に重要である。 構造的磁気共鳴画像を用いたアルツハイマー病分類のためのハイブリッドディープラーニングアンサンブルフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-27T16:17:14Z)
• HistoViT: Vision Transformer for Accurate and Scalable Histopathological Cancer Diagnosis [1.5939351525664014]
  マルチクラス腫瘍分類のためのトランスフォーマーに基づくディープラーニングフレームワークを提案する。 本手法は従来の畳み込みニューラルネットワークの限界に対処する。 アプローチ分類では, 乳がん, 前立腺癌, 骨癌, 頸部癌が99.32%, 96.92%, 95.28%, 96.94%であった。
  論文  参考訳（メタデータ） (2025-08-15T03:10:52Z)
• An Explainable Transformer Model for Alzheimer's Disease Detection Using Retinal Imaging [5.3785187022022845]
  アルツハイマー病(英: Alzheimer's disease、AD)は、世界中の何百万もの人に影響を及ぼす神経変性疾患である。 本研究では,網膜画像を用いたAD検出のための新しいトランスフォーマーアーキテクチャであるRetformerを提案する。
  論文  参考訳（メタデータ） (2025-07-06T06:40:42Z)
• Distance Transform Guided Mixup for Alzheimer's Detection [6.412315842374278]
  本研究では、よく知られた混合手法を拡張することで、単一ドメインの一般化に焦点を当てる。 提案手法は脳の構造を保ちながら多様なデータを生成する。 実験結果から,ADNIデータセットとAIBLデータセットの両方で,一般化性能が向上した。
  論文  参考訳（メタデータ） (2025-05-28T14:56:59Z)
• A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging [36.95712533471744]
  各種条件に適応可能な汎用仮想染色フレームワークを提案する。 そこで本研究では,異なる病態間の仮想色付けの精度を確保するために,値マッピング制約に基づく損失関数を提案する。
  論文  参考訳（メタデータ） (2025-01-07T07:45:21Z)
• Learning Brain Tumor Representation in 3D High-Resolution MR Images via Interpretable State Space Models [42.55786269051626]
  本稿では,高解像度データを効率的に処理するために,ViTライクなモデルを拡張した新しい状態空間モデル (SSM) ベースのマスク付きオートエンコーダを提案する。 本稿では,入力ボリューム内の特定の領域に対応する潜時特徴の直接可視化を可能にする潜時空間マッピング手法を提案する。 本結果は,SSMに基づく自己教師型学習が,効率と解釈可能性を組み合わせた放射能解析を変換する可能性を強調した。
  論文  参考訳（メタデータ） (2024-09-12T04:36:50Z)
• Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
  遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。 画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。 本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
  論文  参考訳（メタデータ） (2023-09-26T03:59:21Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• 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)
• Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images [40.743870665742975]
  悪性黒色腫自動診断のための既存の皮膚科医は、病変の単一点像に基づいている。 そこで本研究では,連続した皮膚内視鏡像を用いたメラノーマ診断のための自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-19T04:08:22Z)

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。