論文の概要: Predicting Alzheimer's disease progression using rs-fMRI and a history-aware graph neural network

• arxiv url: http://arxiv.org/abs/2604.06469v1
• Date: Tue, 07 Apr 2026 21:13:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.245904
• Title: Predicting Alzheimer's disease progression using rs-fMRI and a history-aware graph neural network
• Title（参考訳）: RS-fMRIと履歴認識型グラフニューラルネットワークを用いたアルツハイマー病の進行予測
• Authors: Mahdi Moghaddami, Mohammad-Reza Siadat, Austin Toma, Connor Laming, Huirong Fu,
• Abstract要約: アルツハイマー病(AD)はアメリカだけでも700万人以上の人に影響を及ぼしている。 本稿では,次の臨床訪問で被験者がより重篤な認知障害に移行するかどうかを予測するためのグラフニューラルネットワーク(GNN)モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer's disease (AD) is a neurodegenerative disorder that affects more than seven million people in the United States alone. AD currently has no cure, but there are ways to potentially slow its progression if caught early enough. In this study, we propose a graph neural network (GNN)-based model for predicting whether a subject will transition to a more severe stage of cognitive impairment at their next clinical visit. We consider three stages of cognitive impairment in order of severity: cognitively normal (CN), mild cognitive impairment (MCI), and AD. We use functional connectivity graphs derived from resting-state functional magnetic resonance imaging (rs-fMRI) scans of 303 subjects, each with a different number of visits. Our GNN-based model incorporates a recurrent neural network (RNN) block, enabling it to process data from the subject's entire visit history. It can also work with irregular time gaps between visits by incorporating visit distance information into our input features. Our model demonstrates robust predictive performance, even with missing visits in the subjects' visit histories. It achieves an accuracy of 82.9%, with an especially impressive accuracy of 68.8% on CN to MCI conversions - a task that poses a substantial challenge in the field. Our results highlight the effectiveness of rs-fMRI in predicting the onset of MCI or AD and, in conjunction with other modalities, could offer a viable method for enabling timely interventions to slow the progression of cognitive impairment.
• Abstract（参考訳）: アルツハイマー病(英: Alzheimer's disease、AD)は、アメリカ合衆国だけで700万人以上の人に影響を及ぼす神経変性疾患である。 ADには現在治療法はないが、十分に早く捕獲できれば、進行を遅らせる方法がある。 本研究では,次の臨床訪問において,被験者がより重篤な認知障害に移行するかどうかを予測するためのグラフニューラルネットワーク(GNN)モデルを提案する。 重症度は認知正常(CN),軽度認知障害(MCI),ADの3段階を検討した。 我々は,303名の被験者の静止状態機能的磁気共鳴画像(rs-fMRI)から得られた機能的接続グラフを用いて,それぞれ異なる回数の訪問を行った。 我々のGNNベースのモデルでは、リカレントニューラルネットワーク(RNN)ブロックが組み込まれており、被験者の訪問履歴全体からデータを処理することができる。 また、訪問距離情報を入力機能に組み込むことで、訪問者間の不規則な時間ギャップを解消することも可能だ。 本モデルでは, 来訪履歴の欠如にもかかわらず, 高い予測性能を示す。 精度は82.9%で、特にCNからMCIへの変換では68.8%の精度である。 以上の結果から,MCIやADの発症予測におけるrs-fMRIの有効性が明らかとなり,他のモダリティとともに,時間的介入によって認知障害の進行を遅らせることが可能となる可能性が示唆された。

関連論文リスト

• Naturalistic Language-related Movie-Watching fMRI Task for Detecting Neurocognitive Decline and Disorder [60.84344168388442]
  言語関連機能的磁気共鳴画像(fMRI)は,認知機能低下と早期NCDの検出に有望なアプローチである。 香港在住の高齢者97名を対象に,この課題の有効性について検討した。 本研究は、加齢に伴う認知低下とNCDの早期発見のための自然言語関連fMRIタスクの可能性を示した。
  論文  参考訳（メタデータ） (2025-06-10T16:58:47Z)
• Predicting Human Brain States with Transformer [45.25907962341717]
  自己注意に基づくモデルでは、以前の21.6sで5.04sまでの脳状態を正確に予測できることが示される。 これらの有望な初期結果は、fMRIデータに対するジェネリックモデルの開発の可能性を示している。
  論文  参考訳（メタデータ） (2024-12-11T00:18:39Z)
• 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)
• Multimodal Neuroimaging Attention-Based architecture for Cognitive Decline Prediction [1.4548651568912518]
  アルツハイマー病の早期発見は早期治療の確保と患者の予後の改善に不可欠である。 正常な認知状態からADおよびMCIへの変換を予測する文献は非常に少ない。 我々は,認知正常(CN)個体が10年以内にMCIまたはADを発達させるかどうかを予測するために,新しいマルチモーダル・ニューロイメージング・アテンションベースのCNNアーキテクチャであるMNA-netを提案する。
  論文  参考訳（メタデータ） (2023-12-21T00:56:51Z)
• Benchmarking Continuous Time Models for Predicting Multiple Sclerosis Progression [46.394865849252696]
  多発性硬化症(英: multiple sclerosis)は、脳と脊髄に影響を及ぼす疾患であり、重度の障害を引き起こす可能性があり、既知の治療法がない。 最近の論文では, 成績評価と人口統計データを用いて, 疾患の進行を効果的に予測できることが示されている。 公開されている多発性硬化症データセットを用いて、4つの連続時間モデルをベンチマークする。 最高の継続的モデルは、しばしば最高のベンチマークされた個別の時間モデルより優れていることが分かりました。
  論文  参考訳（メタデータ） (2023-02-15T18:45:32Z)
• Deep Multi-Branch CNN Architecture for Early Alzheimer's Detection from Brain MRIs [0.0]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、認知症を引き起こす神経変性疾患である。 7,866,819個のパラメータからなる深層畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 このモデルは、患者が99.05%の3段階の精度で、非段調、軽度段調、中等度段調であるかどうかを予測することができる。
  論文  参考訳（メタデータ） (2022-10-22T02:25:07Z)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
  ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。 年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。 そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T09:39:52Z)
• Reducing Catastrophic Forgetting in Self Organizing Maps with Internally-Induced Generative Replay [67.50637511633212]
  生涯学習エージェントは、パターン知覚データの無限のストリームから継続的に学習することができる。 適応するエージェントを構築する上での歴史的難しさの1つは、ニューラルネットワークが新しいサンプルから学ぶ際に、以前取得した知識を維持するのに苦労していることである。 この問題は破滅的な忘れ(干渉)と呼ばれ、今日の機械学習の領域では未解決の問題のままである。
  論文  参考訳（メタデータ） (2021-12-09T07:11:14Z)
• Deep Convolutional Neural Network based Classification of Alzheimer's Disease using MRI data [8.609787905151563]
  アルツハイマー病(Alzheimer's disease、AD)は、脳細胞を破壊し、患者の記憶に損失を引き起こす進行性および不治性の神経変性疾患である。 本稿では,不均衡な3次元MRIデータセットを用いた2次元深部畳み込みニューラルネットワーク(2D-DCNN)によるADの診断手法を提案する。 このモデルはMRIをAD、軽度認知障害、正常制御の3つのカテゴリに分類し、99.89%の分類精度を不均衡クラスで達成した。
  論文  参考訳（メタデータ） (2021-01-08T06:51:08Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• Longitudinal Pooling & Consistency Regularization to Model Disease Progression from MRIs [11.979581631288832]
  本稿では,新しい縦型プール層に特徴抽出を結合させることにより,来訪者間の特徴を結合することを提案する。 アルツハイマー病神経画像イニシアチブ(ADNI)は,正常な274例とアルコール使用障害(AUD)329例からなる。 これら3つの実験において、我々の方法は、他の広く使われている縦断的分類法よりも優れているため、脳への条件の影響をより正確に追跡するのに一意に寄与する。
  論文  参考訳（メタデータ） (2020-03-31T05:28:51Z)

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。