論文の概要: Efficient Handwriting-Based Alzheimer,s Disease Diagnosis Using a Low-Rank Mixture of Experts Deep Learning Framework
- arxiv url: http://arxiv.org/abs/2605.04079v1
- Date: Tue, 14 Apr 2026 16:32:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 06:56:26.57825
- Title: Efficient Handwriting-Based Alzheimer,s Disease Diagnosis Using a Low-Rank Mixture of Experts Deep Learning Framework
- Title（参考訳）: 低域のエキスパートディープラーニングフレームワークを用いた手書き型アルツハイマー病の高能率診断
- Authors: Wu Wang, Yuang Cheng, Fouzi Harrou, Ying Sun,
- Abstract要約: 本稿では,手書き解析に基づくアルツハイマー病診断のためのLow-Rank Mixture of Experts (LoRA-MoE)ディープラーニングフレームワークを提案する。
手書き信号は、微妙な認知運動障害を捉える非侵襲的でスケーラブルなデジタルバイオマーカーを提供する。
その結果、LoRA-MoEフレームワークは、推論中にパラメータを著しく減らしながら、強力な診断性能を実現することがわかった。
- 参考スコア（独自算出の注目度）: 8.1935584102637
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early and reliable detection of Alzheimer's disease (AD) is crucial for timely clinical intervention and improved patient management. It also supports the evaluation of emerging therapeutic strategies. In this paper, we propose a Low-Rank Mixture of Experts (LoRA-MoE) deep learning framework for Alzheimer's disease diagnosis based on handwriting analysis. Handwriting signals provide a non-invasive and scalable digital biomarker that captures subtle cognitive-motor impairments associated with early AD progression. The proposed architecture allows multiple experts to specialize in different handwriting patterns while sharing a common base network. This design enables efficient learning of general representations while reducing interference between experts. Each expert is equipped with lightweight low-rank adapters. This mechanism significantly reduces the number of trainable parameters compared with standard Mixture of Experts (MoE) models and improves training stability. The proposed framework is evaluated on the Diagnosis AlzheimeR WIth haNdwriting (DARWIN) dataset. Extensive experiments are conducted, including ablation studies on key architectural parameters such as hidden dimension size, number of experts, and LoRA rank. The method is compared with multilayer perceptron (MLP) and conventional MoE architectures. In addition, stacking ensemble strategies (StackMean and StackMax) are investigated to improve robustness and predictive performance. Experimental results show that the LoRA-MoE framework achieves powerful diagnostic performance while activating significantly fewer parameters during inference. These results highlight the potential of the proposed approach as an accurate and computationally efficient solution for handwriting-based Alzheimer's disease screening and digital health applications.
- Abstract（参考訳）: 早期かつ信頼性の高いアルツハイマー病(AD)の検出は、タイムリーな臨床介入と患者管理の改善に不可欠である。
また、新たな治療戦略の評価も支援している。
本稿では,手書き文字解析に基づくアルツハイマー病診断のためのLow-Rank Mixture of Experts (LoRA-MoE)ディープラーニングフレームワークを提案する。
手書き信号は、非侵襲的でスケーラブルなデジタルバイオマーカーを提供する。
提案したアーキテクチャでは,複数の専門家が共通基盤ネットワークを共有しながら,さまざまな手書きパターンを専門化することができる。
この設計は、専門家間の干渉を低減しつつ、汎用表現の効率的な学習を可能にする。
各専門家には軽量の低ランクアダプターが装備されている。
このメカニズムは、標準的なMixture of Experts (MoE)モデルと比較してトレーニング可能なパラメータの数を大幅に削減し、トレーニング安定性を向上させる。
提案するフレームワークは,DARWIN(DarWIN)データセットを用いて診断を行う。
隠れ次元サイズ、専門家の数、LoRAランクなどの重要なアーキテクチャパラメータに関するアブレーション研究を含む、広範囲な実験が実施されている。
この方法は、多層パーセプトロン(MLP)および従来のMoEアーキテクチャと比較される。
さらに,スタックングアンサンブル戦略(StackMeanとStackMax)を調査し,堅牢性と予測性能を向上させる。
実験結果から,LoRA-MoEフレームワークは推論時のパラメータを著しく減らしながら,強力な診断性能を実現することがわかった。
これらの結果は、手書きベースのアルツハイマー病スクリーニングとデジタルヘルス応用のための正確で効率的なソリューションとして提案されたアプローチの可能性を強調している。
関連論文リスト
- An Explainable Ensemble Framework for Alzheimer's Disease Prediction Using Structured Clinical and Cognitive Data [0.0]
本研究は、個人をアルツハイマー病または非アルツハイマー病と分類するために設計された説明可能なアンサンブル学習フレームワークを紹介する。
このフレームワークには厳格な前処理、高度な機能エンジニアリング、SMOTE-Tomekハイブリッドクラスバランシング、最適化されたモデリングが含まれている。
論文 参考訳（メタデータ） (2026-02-26T19:12:35Z) - MRC-GAT: A Meta-Relational Copula-Based Graph Attention Network for Interpretable Multimodal Alzheimer's Disease Diagnosis [2.2399170518036913]
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。
論文 参考訳（メタデータ） (2026-02-17T17:15:32Z) - Deep Learning Approaches with Explainable AI for Differentiating Alzheimer Disease and Mild Cognitive Impairment [0.0]
アルツハイマー病の早期かつ正確な診断は、効果的な臨床介入に重要である。
構造的磁気共鳴画像を用いたアルツハイマー病分類のためのハイブリッドディープラーニングアンサンブルフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-27T16:17:14Z) - Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。
情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
論文 参考訳（メタデータ） (2025-07-02T07:45:22Z) - LoRKD: Low-Rank Knowledge Decomposition for Medical Foundation Models [59.961172635689664]
知識分解」は、特定の医療課題のパフォーマンス向上を目的としている。
我々はLow-Rank Knowledge Decomposition(LoRKD)という新しいフレームワークを提案する。
LoRKDは、低ランクのエキスパートモジュールと効率的な知識分離畳み込みを組み込むことで、グラデーションを異なるタスクから明確に分離する。
論文 参考訳（メタデータ） (2024-09-29T03:56:21Z) - 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) - 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) - 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) - Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。
我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。
実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
論文 参考訳（メタデータ） (2023-03-23T11:57:50Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳（メタデータ） (2023-03-14T16:03:28Z)
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。