論文の概要: A Hybrid CNN and ML Framework for Multi-modal Classification of Movement Disorders Using MRI and Brain Structural Features

• arxiv url: http://arxiv.org/abs/2602.05574v1
• Date: Thu, 05 Feb 2026 11:57:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.913713
• Title: A Hybrid CNN and ML Framework for Multi-modal Classification of Movement Disorders Using MRI and Brain Structural Features
• Title（参考訳）: MRIと脳構造特徴を用いた運動障害のマルチモーダル分類のためのハイブリッドCNNとMLフレームワーク
• Authors: Mengyu Li, Ingibjörg Kristjánsdóttir, Thilo van Eimeren, Kathrin Giehl, Lotta M. Ellingsen, the ASAP Neuroimaging Initiative,
• Abstract要約: 非典型的パーキンソン病 (APD) は、進行性核上麻痺 (PSP) と多系統萎縮 (MSA) を含む神経変性疾患の一群である。 早期に重複する臨床像はパーキンソン病(PD)と誤診されることが多い。
• 参考スコア（独自算出の注目度）: 3.176001912624283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atypical Parkinsonian Disorders (APD), also known as Parkinson-plus syndrome, are a group of neurodegenerative diseases that include progressive supranuclear palsy (PSP) and multiple system atrophy (MSA). In the early stages, overlapping clinical features often lead to misdiagnosis as Parkinson's disease (PD). Identifying reliable imaging biomarkers for early differential diagnosis remains a critical challenge. In this study, we propose a hybrid framework combining convolutional neural networks (CNNs) with machine learning (ML) techniques to classify APD subtypes versus PD and distinguish between the subtypes themselves: PSP vs. PD, MSA vs. PD, and PSP vs. MSA. The model leverages multi-modal input data, including T1-weighted magnetic resonance imaging (MRI), segmentation masks of 12 deep brain structures associated with APD, and their corresponding volumetric measurements. By integrating these complementary modalities, including image data, structural segmentation masks, and quantitative volume features, the hybrid approach achieved promising classification performance with area under the curve (AUC) scores of 0.95 for PSP vs. PD, 0.86 for MSA vs. PD, and 0.92 for PSP vs. MSA. These results highlight the potential of combining spatial and structural information for robust subtype differentiation. In conclusion, this study demonstrates that fusing CNN-based image features with volume-based ML inputs improves classification accuracy for APD subtypes. The proposed approach may contribute to more reliable early-stage diagnosis, facilitating timely and targeted interventions in clinical practice.
• Abstract（参考訳）: 非定型パーキンソン病(英: Atypeal Parkinsonian disorders、APD)は、進行性核上麻痺(PSP)と多系統萎縮(MSA)を含む神経変性疾患群である。 早期に重複する臨床像はパーキンソン病(PD)と誤診されることが多い。 早期鑑別診断のための信頼性画像バイオマーカーの同定は依然として重要な課題である。 本研究では、畳み込みニューラルネットワーク(CNN)と機械学習(ML)技術を組み合わせて、APDサブタイプとPDを分類し、SP対PD、MSA対PD、PSP対MDAというサブタイプを区別するハイブリッドフレームワークを提案する。 このモデルは、T1強調磁気共鳴画像(MRI)、APDに関連する12の深部脳構造からなるセグメンテーションマスク、およびそれに対応する体積測定を含む多モード入力データを活用する。 画像データ, 構造セグメンテーションマスク, 定量的ボリューム特徴などの相補的モダリティを統合することで, 曲線(AUC)のスコアが0.95, MSAのスコアが0.86, MSAのスコアが0.92, MSAのスコアが0。 これらの結果から, 空間情報と構造情報を結合して, 頑健なサブタイプ分化を実現する可能性が示唆された。 そこで本研究では,ボリュームベースML入力によるCNN画像特徴の融合により,APDサブタイプの分類精度が向上することを示す。 提案手法は、より信頼性の高い早期診断に寄与し、治験における時間的および標的的介入を促進する可能性がある。

関連論文リスト

• GateFuseNet: An Adaptive 3D Multimodal Neuroimaging Fusion Network for Parkinson's Disease Diagnosis [21.968937137085504]
  GateFuseNetは、パーキンソン病の診断のためにQSMとT1wの画像を統合した適応型3Dマルチモーダル核融合ネットワークである。 実験の結果,本手法は既存の3つの手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-10-26T03:11:26Z)
• Multi Class Parkinsons Disease Detection Based on Finger Tapping Using Attention-Enhanced CNN BiLSTM [2.5227912984325362]
  注意喚起型CNN BiLSTMを用いた指タッピングに基づくマルチクラスパーキンソン病検出システムを提案する。 CNN, BiLSTM, および多クラスPD重度分類のための注意機構を統合したハイブリッドディープラーニングフレームワークを提案する。 このモデルは5つの重度クラスを区別する上で強い性能を示した。
  論文  参考訳（メタデータ） (2025-10-11T09:02:14Z)
• Enhanced Masked Image Modeling to Avoid Model Collapse on Multi-modal MRI Datasets [6.3467517115551875]
  マスク付き画像モデリング(MIM)は、ラベルなしデータの利用において有望であることを示す。 モデル崩壊を, 完全崩壊と次元崩壊の2つのタイプで解析し, 対処する。 HMPとPBTモジュールを併用した拡張MIM(E-MIM)を構築し,マルチモーダルMRIのモデル崩壊を回避する。
  論文  参考訳（メタデータ） (2024-07-15T01:11:30Z)
• An Interpretable Cross-Attentive Multi-modal MRI Fusion Framework for Schizophrenia Diagnosis [46.58592655409785]
  本稿では,fMRI と sMRI のモーダル内およびモーダル間関係を捉えるために,CAMF (Cross-Attentive Multi-modal Fusion framework) を提案する。 提案手法は,2つの広範囲なマルチモーダル脳画像データセットを用いた評価により,分類精度を著しく向上させる。 勾配誘導Score-CAMは、統合失調症に関連する重要な機能的ネットワークと脳領域の解釈に応用される。
  論文  参考訳（メタデータ） (2024-03-29T20:32:30Z)
• Cross-modality Guidance-aided Multi-modal Learning with Dual Attention for MRI Brain Tumor Grading [47.50733518140625]
  脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。 本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T07:54:49Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Subgroup discovery of Parkinson's Disease by utilizing a multi-modal smart device system [63.20765930558542]
  われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。 様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
  論文  参考訳（メタデータ） (2022-05-12T08:59:57Z)
• Early Disease Stage Characterization in Parkinson's Disease from Resting-state fMRI Data Using a Long Short-term Memory Network [6.487961959149217]
  パーキンソン病(英: Parkinson's disease、PD)は、ホーン病とイェール病の5段階からなる、一般的で複雑な神経変性疾患である。 早期の第1期と第2期を分類し、脳機能の変化を検出することは困難である。 本稿では,PDの初期段階を特徴付けるために,LSTM(Long Short-term memory)ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-02-11T18:34:11Z)
• 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。