論文の概要: Multiple Inputs and Mixwd data for Alzheimer's Disease Classification Based on 3D Vision Transformer

• arxiv url: http://arxiv.org/abs/2603.00545v1
• Date: Sat, 28 Feb 2026 08:48:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.255119
• Title: Multiple Inputs and Mixwd data for Alzheimer's Disease Classification Based on 3D Vision Transformer
• Title（参考訳）: 3次元視覚変換器を用いたアルツハイマー病分類のための複数入力と混合データ
• Authors: Juan A. Castro-Silva, Maria N. Moreno Garcia, Diego H. Peluffo-Ordoñez,
• Abstract要約: 本研究では,Multiple Inputs and Mixed Data 3D Vision Transformer (MIMD-3DVT)と呼ばれる新しい手法を提案する。 この方法は、連続してスライス処理を行い、特徴次元と空間情報をキャプチャし、複数の3次元ROI画像データ入力を融合し、人口統計学的要因、認知的評価、脳画像からの混合データを統合する。 正常認知とアルツハイマー病の鑑別において,MIMD-3DVTの精度は97.14%であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The current methods for diagnosing Alzheimer Disease using Magnetic Resonance Imaging (MRI) have significant limitations. Many previous studies used 2D Transformers to analyze individual brain slices independently, potentially losing critical 3D contextual information. Region of interest-based models often focus on only a few brain regions despite Alzheimer's affecting multiple areas. Additionally, most classification models rely on a single test, whereas diagnosing Alzheimer's requires a multifaceted approach integrating diverse data sources for a more accurate assessment. This study introduces a novel methodology called the Multiple Inputs and Mixed Data 3D Vision Transformer (MIMD-3DVT). This method processes consecutive slices together to capture the feature dimensions and spatial information, fuses multiple 3D ROI imaging data inputs, and integrates mixed data from demographic factors, cognitive assessments, and brain imaging. The proposed methodology was experimentally evaluated using a combined dataset that included the Alzheimer's Disease Neuroimaging Initiative (ADNI), the Australian Imaging, Biomarker, and Lifestyle Flagship Study of Ageing (AIBL), and the Open Access Series of Imaging Studies (OASIS). Our MIMD-3DVT, utilizing single or multiple ROIs, achieved an accuracy of 97.14%, outperforming the state-of-the-art methods in distinguishing between Normal Cognition and Alzheimer's Disease.
• Abstract（参考訳）: 磁気共鳴画像(MRI)を用いたアルツハイマー病の診断法には大きな限界がある。 これまでの多くの研究では、個々の脳のスライスを独立して分析するために2Dトランスフォーマーを使用しており、重要な3Dコンテキスト情報を失う可能性がある。 関心に基づくモデルの領域は、アルツハイマーが複数の領域に影響を与えているにもかかわらず、少数の脳領域のみに焦点を当てることが多い。 さらに、ほとんどの分類モデルは単一のテストに依存しているが、アルツハイマーの診断には、より正確な評価のために多様なデータソースを統合する多面的アプローチが必要である。 本研究では,Multiple Inputs and Mixed Data 3D Vision Transformer (MIMD-3DVT)と呼ばれる新しい手法を提案する。 この方法は、連続してスライス処理を行い、特徴次元と空間情報をキャプチャし、複数の3次元ROI画像データ入力を融合し、人口統計学的要因、認知的評価、脳画像からの混合データを統合する。 提案手法は、アルツハイマー病神経画像イニシアチブ(ADNI)、オーストラリア・イメージング、バイオマーカー、ライフスタイル・フラッグシップ・スタディ・オブ・エイジング(AIBL)、OASIS(Open Access Series of Imaging Studies)を含む統合データセットを用いて実験的に評価された。 正常認知とアルツハイマー病の鑑別において,MIMD-3DVTの精度は97.14%であった。

関連論文リスト

• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Toward Robust Early Detection of Alzheimer's Disease via an Integrated Multimodal Learning Approach [5.9091823080038814]
  アルツハイマー病(英: Alzheimer's Disease、AD)は、記憶障害、執行機能障害、性格変化を特徴とする複雑な神経変性疾患である。 本研究では,臨床,認知,神経画像,脳波データを統合した高度なマルチモーダル分類モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:26:00Z)
• Alzheimer's Magnetic Resonance Imaging Classification Using Deep and Meta-Learning Models [2.4561590439700076]
  本研究では,最新のCNNを特徴とする深層学習技術を活用することで,アルツハイマー病(AD)のMRIデータを分類することに焦点を当てた。 アルツハイマー病は高齢者の認知症の主要な原因であり、徐々に認知機能障害を引き起こす不可逆的な脳疾患である。 将来、この研究は、信号、画像、その他のデータを含む他の種類の医療データを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-05-20T15:44:07Z)
• Ricci flow-based brain surface covariance descriptors for diagnosing Alzheimer's disease [0.505978550354168]
  我々は、リッチエネルギー最適化を用いて、皮質表面から新しい共分散に基づく記述子を抽出するパイプラインを提案する。 異常な皮質脳形態計測の分析にこの新たなサインを適用することで、アルツハイマー病の診断が可能になる。
  論文  参考訳（メタデータ） (2024-03-11T12:07:33Z)
• Diagnosing Alzheimer's Disease using Early-Late Multimodal Data Fusion with Jacobian Maps [1.5501208213584152]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、老化に影響を及ぼす神経変性疾患である。 本稿では,自動特徴抽出とランダム森林のための畳み込みニューラルネットワークを利用する,効率的な早期融合(ELF)手法を提案する。 脳の容積の微妙な変化を検出するという課題に対処するために、画像をヤコビ領域(JD)に変換する。
  論文  参考訳（メタデータ） (2023-10-25T19:02:57Z)
• Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
  遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。 画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。 本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
  論文  参考訳（メタデータ） (2023-09-26T03:59:21Z)
• 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)
• 3D Transformer based on deformable patch location for differential diagnosis between Alzheimer's disease and Frontotemporal dementia [0.0]
  アルツハイマー病と前頭側頭葉認知症は重度の臨床症状を呈する神経変性疾患の一般的なタイプである。 変形可能なパッチ位置モジュールを用いた新規な3次元トランスフォーマーアーキテクチャーを提案し,アルツハイマー病と前頭側頭葉認知症の鑑別診断を改善した。
  論文  参考訳（メタデータ） (2023-09-06T17:42:18Z)
• 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
  我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。 本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。 入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
  論文  参考訳（メタデータ） (2021-09-14T09:17:27Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)

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。