論文の概要: Machine learning-enhanced non-amnestic Alzheimer's disease diagnosis from MRI and clinical features

• arxiv url: http://arxiv.org/abs/2601.15530v2
• Date: Sun, 25 Jan 2026 20:21:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:06.911735
• Title: Machine learning-enhanced non-amnestic Alzheimer's disease diagnosis from MRI and clinical features
• Title（参考訳）: MRIによる非記憶障害型アルツハイマー病の機械学習診断とその臨床的特徴
• Authors: Megan A. Witherow, Michael L. Evans, Ahmed Temtam, Hamid R. Okhravi, Khan M. Iftekharuddin,
• Abstract要約: 認知機能検査とMRIによる海馬萎縮の評価により,ほとんどのアルツハイマー病 (AD) 診断が記憶クリニックで行われている。 非定型的提示(atAD)を有するAD患者の実質的なサブグループは、日常的に誤診される。 本稿では,臨床検査用バッテリと標準医療として収集したMRIデータを用いて,atADと非AD認知障害を区別する機械学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5523548738241298
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Alzheimer's disease (AD), defined as an abnormal buildup of amyloid plaques and tau tangles in the brain can be diagnosed with high accuracy based on protein biomarkers via PET or CSF analysis. However, due to the invasive nature of biomarker collection, most AD diagnoses are made in memory clinics using cognitive tests and evaluation of hippocampal atrophy based on MRI. While clinical assessment and hippocampal volume show high diagnostic accuracy for amnestic or typical AD (tAD), a substantial subgroup of AD patients with atypical presentation (atAD) are routinely misdiagnosed. To improve diagnosis of atAD patients, we propose a machine learning approach to distinguish between atAD and non-AD cognitive impairment using clinical testing battery and MRI data collected as standard-of-care. We develop and evaluate our approach using 1410 subjects across four groups (273 tAD, 184 atAD, 235 non-AD, and 685 cognitively normal) collected from one private data set and two public data sets from the National Alzheimer's Coordinating Center (NACC) and the Alzheimer's Disease Neuroimaging Initiative (ADNI). We perform multiple atAD vs. non-AD classification experiments using clinical features and hippocampal volume as well as a comprehensive set of MRI features from across the brain. The best performance is achieved by incorporating additional important MRI features, which outperforms using hippocampal volume alone. Furthermore, we use the Boruta statistical approach to identify and visualize significant brain regions distinguishing between diagnostic groups. Our ML approach improves the percentage of correctly diagnosed atAD cases (the recall) from 52% to 69% for NACC and from 34% to 77% for ADNI, while achieving high precision. The proposed approach has important implications for improving diagnostic accuracy for non-amnestic atAD in clinical settings using only clinical testing battery and MRI.
• Abstract（参考訳）: アルツハイマー病(AD)は、アミロイドプラークとタウタングルの異常な蓄積と定義されており、PETまたはCSF分析により、タンパク質バイオマーカーに基づいて高精度に診断することができる。 しかし,バイオマーカー収集の侵襲的性質から,認知検査とMRIによる海馬萎縮の評価を用いて,ほとんどのAD診断が記憶クリニックで行われている。 臨床評価と海馬容積は,健常あるいは典型的なAD (tAD) の診断精度が高いが,非定型的提示 (atAD) を伴うAD患者の相当なサブグループは,日常的に誤診される。 atAD患者の診断を改善するため,臨床検査用バッテリと標準医療として収集したMRIデータを用いて,atADと非AD認知障害を区別する機械学習手法を提案する。 NACC(National Alzheimer's Coordinating Center)とADNI(Alzheimer's Disease Neuroimaging Initiative)から1つのプライベートデータセットと2つのパブリックデータセットから収集した1410名の被験者(273 tAD, 184 atAD, 235 non-AD, 685 認知正常)を対象とするアプローチを開発し,評価した。 臨床像,海馬容積,脳全体からのMRI像の包括的セットを用いて,atADvs.非AD分類実験を複数実施した。 最高のパフォーマンスは、海馬の容積のみを用いて、より重要なMRI特徴を取り入れることによって達成される。 さらに,ボルタ統計学的手法を用いて,診断群を区別する重要な脳領域を同定し,可視化する。 NACCは52%から69%,ADNIは34%から77%,精度は高い。 提案手法は, 臨床検査用バッテリとMRIのみを用いて, 臨床環境における非アムネティック性atADの診断精度の向上に重要な意味を持つ。

関連論文リスト

• 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)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• Leveraging Bi-Focal Perspectives and Granular Feature Integration for Accurate Reliable Early Alzheimer's Detection [0.0]
  本稿では,異なるスケールでの情報抽出と効率的な情報フローを組み合わせた新しいグラニュラー特徴統合手法を提案する。 また,MRIにおける微妙な神経線維の絡み合いとアミロイドプラークの強調を目的としたバイフォーカスパースペクティブ機構を提案する。 我々のモデルはF1スコア99.31%、精度99.24%、リコール99.51%を達成した。
  論文  参考訳（メタデータ） (2024-07-15T17:22:16Z)
• 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)
• Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
  深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。 われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
  論文  参考訳（メタデータ） (2024-05-02T09:41:31Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。