論文の概要: Multimodal normative modeling in Alzheimers Disease with introspective variational autoencoders

• arxiv url: http://arxiv.org/abs/2602.08077v1
• Date: Sun, 08 Feb 2026 18:42:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.970651
• Title: Multimodal normative modeling in Alzheimers Disease with introspective variational autoencoders
• Title（参考訳）: Introspective variational autoencoders を用いたアルツハイマー病のマルチモーダル規範モデリング
• Authors: Sayantan Kumar, Peijie Qiu, Aristeidis Sotiras,
• Abstract要約: mmSIVAEは、Mixture-of-Product-of-Expertsアグリゲーションと組み合わせたソフトイントロスペクティブな変分自動エンコーダである。 我々は、学習された健康分布からの距離として、潜伏空間と特徴空間の偏差スコアを計算する。 ADNI MRI領域の体積とアミロイドPET SUVRでは、mSIVAEはVAEベースラインよりも、より差別的な偏差スコアを生成する。
• 参考スコア（独自算出の注目度）: 7.498331288136986
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Normative modeling learns a healthy reference distribution and quantifies subject-specific deviations to capture heterogeneous disease effects. In Alzheimers disease (AD), multimodal neuroimaging offers complementary signals but VAE-based normative models often (i) fit the healthy reference distribution imperfectly, inflating false positives, and (ii) use posterior aggregation (e.g., PoE/MoE) that can yield weak multimodal fusion in the shared latent space. We propose mmSIVAE, a multimodal soft-introspective variational autoencoder combined with Mixture-of-Product-of-Experts (MOPOE) aggregation to improve reference fidelity and multimodal integration. We compute deviation scores in latent space and feature space as distances from the learned healthy distributions, and map statistically significant latent deviations to regional abnormalities for interpretability. On ADNI MRI regional volumes and amyloid PET SUVR, mmSIVAE improves reconstruction on held-out controls and produces more discriminative deviation scores for outlier detection than VAE baselines, with higher likelihood ratios and clearer separation between control and AD-spectrum cohorts. Deviation maps highlight region-level patterns aligned with established AD-related changes. More broadly, our results highlight the importance of training objectives that prioritize reference-distribution fidelity and robust multimodal posterior aggregation for normative modeling, with implications for deviation-based analysis across multimodal clinical data.
• Abstract（参考訳）: ノルマティヴ・モデリングは、健康な基準分布を学習し、不均一な疾患効果を捉えるために、被験者固有の偏差を定量化する。 アルツハイマー病(AD)では、マルチモーダル・ニューロイメージングは相補的なシグナルを提供するが、VAEベースの規範モデルはしばしば存在する 一 健康基準分布を不完全に適合させ、偽陽性を膨らませて、 (ii) 後続アグリゲーション(例えば、PoE/MoE)を用い、共有潜在空間において弱い多重モーダル融合を生じさせる。 我々は,Mixture-of-Product-of-Experts (MOPOE)アグリゲーションを組み合わせたマルチモーダルソフトイントロスペクティブ変分オートエンコーダmmSIVAEを提案する。 我々は、学習した健康分布からの距離として潜時空間と特徴空間の偏差スコアを計算し、統計的に有意な偏差を解釈可能性の局所的異常にマップする。 ADNI MRI領域の体積とアミロイドPET SUVRでは、mSIVAEはホールドアウトコントロールの再構成を改善し、VAEベースラインよりも外乱検出の識別的偏差スコアを高くし、コントロールとADスペクトルコホートとの分離がより明確になる。 偏差マップでは、確立されたAD関連の変化に対応する地域レベルのパターンが強調されている。 より広範に, 基準分布の忠実度と頑健なマルチモーダル後部アグリゲーションを優先する訓練目標の重要性を強調し, 多モーダル臨床データ間の偏差に基づく分析を重要視した。

関連論文リスト

• Denoising diffusion networks for normative modeling in neuroimaging [1.0195618602298684]
  ほとんどの神経画像パイプラインは画像由来表現型(IDP)の1つのモデルに適合する IDPの統一条件密度推定器として拡散確率モデル(DDPM)を提案する。 ヘテロセダスティックおよびマルチモーダルな年齢効果を持つ合成ベンチマークと,英国バイオバンクフリーサーファー表現型を用いて,次元2～200のスケールで評価した。
  論文  参考訳（メタデータ） (2026-01-24T06:19:10Z)
• Collaborative Attention and Consistent-Guided Fusion of MRI and PET for Alzheimer's Disease Diagnosis [12.33741976057116]
  アルツハイマー病(AD)は認知症の最も一般的な形態であり、早期診断は疾患進行の遅滞に不可欠である。 MRIとPETを用いたマルチモーダル・ニューロイメージング・フュージョンの最近の研究は有望な成果を得た。 本稿では,MRIとPETを用いたAD診断のための協調注意・持続誘導核融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-04T03:42:07Z)
• Towards Scalable and Robust White Matter Lesion Localization via Multimodal Deep Learning [2.0749231618270803]
  ホワイトマター・ハイパーインテンシティ(White matter hyperintensities, WMH)は、小血管疾患や神経変性の放射線マーカーであり、正確なセグメンテーションと局所化が診断とモニタリングに不可欠である。 単一モードのMRI入力とマルチモードのMRI入力を用いて,WM病変分割と局所化の深層学習フレームワークを提案する。 本研究は, 高精度かつ堅牢なWMH解析のためのマルチモーダルフュージョンの有用性と, 統合予測のためのジョイントモデリングの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-06-27T09:39:26Z)
• Confidence-aware multi-modality learning for eye disease screening [58.861421804458395]
  眼疾患スクリーニングのための新しい多モード顕在核融合パイプラインを提案する。 モダリティごとに信頼度を測り、マルチモダリティ情報をエレガントに統合する。 パブリックデータセットと内部データセットの両方の実験結果は、我々のモデルが堅牢性に優れていることを示している。
  論文  参考訳（メタデータ） (2024-05-28T13:27:30Z)
• 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)
• Improving Normative Modeling for Multi-modal Neuroimaging Data using mixture-of-product-of-experts variational autoencoders [0.0]
  既存の変分オートエンコーダ(VAE)ベースの規範モデルは、積を推定したり、不定形遅延後部の平均化によって複数のモードから情報を集約する。 これはしばしば、主観レベルの偏差の推定に影響を及ぼす非形式的な関節潜伏分布をもたらす。 後肢後肢のモデリングを改善するMixture-of-Product-of-Experts法を応用した。
  論文  参考訳（メタデータ） (2023-12-02T01:17:01Z)
• Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles [104.60508550106618]
  拡散確率モデル(DPM)を利用したアンサンブル多様化フレームワークDiffDivを提案する。 DPMは、相関した入力特徴を示すサンプルを用いて訓練しても、新しい特徴の組み合わせで画像を生成することができることを示す。 そこで本研究では,DPM誘導の多様化は,教師付き信号の追加を必要とせず,ショートカットキューへの依存を取り除くのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:47:33Z)
• Diversity-Measurable Anomaly Detection [106.07413438216416]
  本稿では,再構成の多様性を高めるため,DMAD(Diversity-Measurable Anomaly Detection)フレームワークを提案する。 PDMは基本的に、変形を埋め込みから分離し、最終的な異常スコアをより信頼性を高める。
  論文  参考訳（メタデータ） (2023-03-09T05:52:42Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)

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。