論文の概要: MRC-GAT: A Meta-Relational Copula-Based Graph Attention Network for Interpretable Multimodal Alzheimer's Disease Diagnosis

• arxiv url: http://arxiv.org/abs/2602.15740v1
• Date: Tue, 17 Feb 2026 17:15:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.13922
• Title: MRC-GAT: A Meta-Relational Copula-Based Graph Attention Network for Interpretable Multimodal Alzheimer's Disease Diagnosis
• Title（参考訳）: マルチモーダルアルツハイマー病診断のためのメタリレーショナルコプラグラフアテンションネットワーク MRC-GAT
• Authors: Fatemeh Khalvandi, Saadat Izadi, Abdolah Chalechale,
• Abstract要約: アルツハイマー病(英語: Alzheimer's disease, AD)は、早期かつ正確な診断を必要とする進行性神経変性疾患である。 近年の研究では、精度と信頼性を高めるためにコンピュータ支援診断モデルに注目が集まっている。 これらの制約を克服するために,AD分類タスクの効率的なマルチモーダルモデルとして,Meta-Relational Copula-Based Graph Attention Network (MRC-GAT)を提案する。
• 参考スコア（独自算出の注目度）: 2.2399170518036913
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer's disease (AD) is a progressive neurodegenerative condition necessitating early and precise diagnosis to provide prompt clinical management. Given the paramount importance of early diagnosis, recent studies have increasingly focused on computer-aided diagnostic models to enhance precision and reliability. However, most graph-based approaches still rely on fixed structural designs, which restrict their flexibility and limit generalization across heterogeneous patient data. To overcome these limitations, the Meta-Relational Copula-Based Graph Attention Network (MRC-GAT) is proposed as an efficient multimodal model for AD classification tasks. The proposed architecture, copula-based similarity alignment, relational attention, and node fusion are integrated as the core components of episodic meta-learning, such that the multimodal features, including risk factors (RF), Cognitive test scores, and MRI attributes, are first aligned via a copula-based transformation in a common statistical space and then combined by a multi-relational attention mechanism. According to evaluations performed on the TADPOLE and NACC datasets, the MRC-GAT model achieved accuracies of 96.87% and 92.31%, respectively, demonstrating state-of-the-art performance compared to existing diagnostic models. Finally, the proposed model confirms the robustness and applicability of the proposed method by providing interpretability at various stages of disease diagnosis.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's disease, AD)は、早期かつ正確な診断を必要とする進行性神経変性疾患である。 早期診断の重要さを考えると、最近の研究では、精度と信頼性を高めるためにコンピュータ支援診断モデルに注目が集まっている。 しかし、ほとんどのグラフベースのアプローチは、その柔軟性を制限し、不均一な患者データにまたがる一般化を制限する固定された構造設計に依存している。 これらの制約を克服するために,AD分類タスクの効率的なマルチモーダルモデルとして,Meta-Relational Copula-Based Graph Attention Network (MRC-GAT)を提案する。 提案したアーキテクチャ,コプラベース類似性アライメント,リレーショナルアライメント,ノード融合を,リスクファクター(RF),認知テストスコア,MRI属性などのマルチモーダル特徴を共通の統計空間におけるコプラベース変換によってまず整列し,さらにマルチリレーショナルアテンション機構によって組み合わせた,エピソードメタラーニングのコアコンポーネントとして統合する。 TADPOLEとNACCデータセットで実施された評価によると、MCC-GATモデルはそれぞれ96.87%と92.31%の精度を達成し、既存の診断モデルと比較して最先端の性能を示した。 最後に, 疾患診断の様々な段階における解釈可能性を提供することにより, 提案手法の堅牢性と適用性を確認した。

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)
• 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)
• Cross-Enhanced Multimodal Fusion of Eye-Tracking and Facial Features for Alzheimer's Disease Diagnosis [9.111075363945892]
  視線追跡と顔の特徴は、注意分布と神経認知状態を反映する認知機能の重要な指標である。 アルツハイマー病の診断に視線追跡と顔の特徴を活用する多モーダルクロスエンハンス融合フレームワークを提案する。 我々のフレームワークは、従来のレイトフュージョンや特徴連結法よりも優れています。
  論文  参考訳（メタデータ） (2025-10-25T13:30:24Z)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• An Interpretable Multi-Plane Fusion Framework With Kolmogorov-Arnold Network Guided Attention Enhancement for Alzheimer's Disease Diagnosis [1.3401966602181168]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、認知機能や生活の質を著しく損なう進行性神経変性疾患である。 これらの制限を克服するために,多面体融合(MPF)を統合したMPF-KANSCという革新的なフレームワークを提案する。 ADNIデータセットの実験により、提案したMPF-KANSCがAD診断において優れた性能を発揮することが確認された。
  論文  参考訳（メタデータ） (2025-08-08T09:26:49Z)
• Multi-omic Prognosis of Alzheimer's Disease with Asymmetric Cross-Modal Cross-Attention Network [0.5325390073522079]
  本稿では,アルツハイマー病の診断における医療従事者を支援するための新しいディープラーニングアルゴリズムフレームワークを提案する。 脳フルオロデオキシグルコースポジトロン断層撮影(PET)、MRI(MRI)、遺伝子データ、臨床データなどの医療用多視点情報を融合することにより、ADの存在を正確に検出することができる。 アルゴリズムモデルは、テストセット上で94.88%の精度を達成する。
  論文  参考訳（メタデータ） (2025-07-09T07:12:38Z)
• 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)
• Tensor-Based Multi-Modality Feature Selection and Regression for Alzheimer's Disease Diagnosis [25.958167380664083]
  アルツハイマー病(AD)と軽度認知障害(MCI)の診断・バイオマーカー同定のための新しいテンソルベース多モード特徴選択と回帰法を提案する。 3つの画像モダリティを用いたADNIデータ解析における本手法の実用的利点について述べる。
  論文  参考訳（メタデータ） (2022-09-23T02:17:27Z)
• 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)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。