Fugu-MT 論文翻訳(概要): Alzheimer's Disease Brain Network Mining

論文の概要: Alzheimer's Disease Brain Network Mining

arxiv url: http://arxiv.org/abs/2512.17276v1
Date: Fri, 19 Dec 2025 06:48:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-22 19:25:54.271171
Title: Alzheimer's Disease Brain Network Mining
Title（参考訳）: アルツハイマー病脳ネットワークマイニング
Authors: Alireza Moayedikia, Sara Fin,
Abstract要約: 異種アルツハイマー病(MATCH-AD)に対する多視点適応輸送クラスタリングについて紹介する。 MATCH-ADは、深層表現学習、グラフベースのラベル伝搬、最適輸送理論を統合した半教師付きフレームワークである。被験者の3分の1未満で、地上の真理ラベルによらず、ほぼ完璧な診断精度を達成している。
参考スコア（独自算出の注目度）: 5.586191108738563
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Machine learning approaches for Alzheimer's disease (AD) diagnosis face a fundamental challenges. Clinical assessments are expensive and invasive, leaving ground truth labels available for only a fraction of neuroimaging datasets. We introduce Multi view Adaptive Transport Clustering for Heterogeneous Alzheimer's Disease (MATCH-AD), a semi supervised framework that integrates deep representation learning, graph-based label propagation, and optimal transport theory to address this limitation. The framework leverages manifold structure in neuroimaging data to propagate diagnostic information from limited labeled samples to larger unlabeled populations, while using Wasserstein distances to quantify disease progression between cognitive states. Evaluated on nearly five thousand subjects from the National Alzheimer's Coordinating Center, encompassing structural MRI measurements from hundreds of brain regions, cerebrospinal fluid biomarkers, and clinical variables MATCHAD achieves near-perfect diagnostic accuracy despite ground truth labels for less than one-third of subjects. The framework substantially outperforms all baseline methods, achieving kappa indicating almost perfect agreement compared to weak agreement for the best baseline, a qualitative transformation in diagnostic reliability. Performance remains clinically useful even under severe label scarcity, and we provide theoretical convergence guarantees with proven bounds on label propagation error and transport stability. These results demonstrate that principled semi-supervised learning can unlock the diagnostic potential of the vast repositories of partially annotated neuroimaging data accumulating worldwide, substantially reducing annotation burden while maintaining accuracy suitable for clinical deployment.
Abstract（参考訳）: アルツハイマー病(AD)の診断に対する機械学習アプローチは、根本的な課題に直面している。臨床評価は高価で侵襲的であり、基礎的な真理ラベルは少数の神経画像データセットでしか利用できない。本稿では, 深層表現学習, グラフベースのラベル伝搬, 最適輸送理論を統合した半教師付きフレームワークである, 異種アルツハイマー病(MATCH-AD)に対する多視点適応輸送クラスタリングについて紹介する。このフレームワークは、神経画像データの多様体構造を利用して、限られたラベル付きサンプルからより大きなラベル付き個体群への診断情報を伝達し、ワッサーシュタイン距離を用いて認知状態間の疾患の進行を定量化する。国立アルツハイマーコーディネートセンター(英語版)の約5万名を対象に評価され、数百の脳領域、脳脊髄液バイオマーカー、臨床変数のMATCHADは、地上の真実ラベルが3分の1未満であるにもかかわらず、ほぼ完璧な精度を達成している。このフレームワークは全てのベースライン法を大幅に上回り、診断信頼性の質的な変換である最良のベースラインに対する弱い一致に比べて、ほぼ完全な一致を示すカッパを達成している。厳密なラベルの不足下でも臨床的に有用であり,ラベルの伝搬誤差と輸送安定性に関する理論的収束保証を提供する。これらの結果から, 半教師あり学習は, 世界中に蓄積する部分注視神経画像データの膨大なリポジトリの診断可能性を解き明かし, 臨床展開に適した精度を維持しつつ, アノテーションの負担を大幅に軽減できることが示唆された。

関連論文リスト

A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文参考訳（メタデータ） (2025-12-15T10:22:43Z)
Enhancing Early Alzheimer Disease Detection through Big Data and Ensemble Few-Shot Learning [7.03912486724182]
アルツハイマー病(英: Alzheimer disease)は、様々な脳領域で障害を起こし、記憶障害を引き起こす重度の脳疾患である。アルツハイマー病の検出精度を向上させるための効果的な方法が不可欠である。
論文参考訳（メタデータ） (2025-10-22T06:35:03Z)
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)
Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI [1.0439136407307048]
階層型視覚変換器モデルであるSwin Transformerを用いたマルチシェルdMRIデータに基づく分類パイプラインを提案する。 DTIとNODDIの主なメトリクスを抽出し、2次元平面上に投影し、ImageNet-pretrained modelで転送学習を可能にする。診断群予測(認知正常,軽度認知障害,アルツハイマー病認知症,アミロイド状態分類)の枠組みについて検討した。
論文参考訳（メタデータ） (2025-07-14T07:31:40Z)
NeuroSymAD: A Neuro-Symbolic Framework for Interpretable Alzheimer's Disease Diagnosis [35.4733004746959]
NeuroSymADは、ニューラルネットワークとシンボリック推論を相乗化するための、ニューロシンボリックなフレームワークである。ニューラルネットワークは脳のMRIスキャンを受理し、大きな言語モデルは医療規則を蒸留し、生体マーカーや医療史を推論して象徴的なシステムを導く。
論文参考訳（メタデータ） (2025-03-01T14:29:39Z)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文参考訳（メタデータ） (2023-08-31T00:36:10Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。