論文の概要: Bayesian Networks with Latent Time Embedding for Stage-Aware Causal Modeling of Alzheimer's Disease Progression
- arxiv url: http://arxiv.org/abs/2606.15784v1
- Date: Sun, 14 Jun 2026 12:33:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.850263
- Title: Bayesian Networks with Latent Time Embedding for Stage-Aware Causal Modeling of Alzheimer's Disease Progression
- Title（参考訳）: アルツハイマー病進行のステージアウェア因果モデリングのための潜時埋め込み型ベイズネットワーク
- Abstract要約: アルツハイマー病(AD)の進行は、しばしばアミロイド・タウ・ニューロデジェネレーション(AT(N)カスケード)によって説明される。
ほとんどの縦長モデルは、このカスケードをバイオマーカーの固定シーケンスまたはブラックボックス予測タスクとして表現する。
これにより、生物学的に誘導されたバイオマーカーの関係が将来の地域病理に影響を及ぼすかどうかを判断することが困難になる。
- 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) progression is often described through the amyloid-tau-neurodegeneration, or AT(N), cascade. However, most longitudinal models represent this cascade either as a fixed sequence of biomarkers or as a black-box forecasting task. This makes it difficult to determine when biologically guided biomarker relationships influence future regional pathology. In this study, we introduce Bayesian Networks with Latent Time Embedding (BN-LTE), a Bayesian structural framework for stage-aware modeling of AD progression. BN-LTE estimates disease pseudotime from baseline biomarker profiles and constrains directed dependencies according to biologically plausible AT(N) ordering. Posterior spline-varying structural equations are then used to link initial multimodal measurements with future annualized regional tau-PET change. Across repeated subject-disjoint evaluations using ADNI data, BN-LTE shows strong spatial reconstruction of tau progression compared with the included forecasting baselines. Beyond spatial reconstruction, BN-LTE recovers posterior stage-varying AT(N)-constrained effects and identifies a mid-pseudotime window of amyloid sensitivity. This window is supported by model-implied g-formula contrasts, root-adjusted AIPW, mechanism-sensitive ablations, and robustness analyses across spline and prior specifications. Overall, these findings position BN-LTE as a Bayesian structural framework for forecasting tau progression while examining stage-dependent AT(N)-cascade mechanisms in observational longitudinal neuroimaging data. Our code is available at https://github.com/danleneurocom/BN-LTE.
- Abstract（参考訳）: アルツハイマー病(AD)の進行は、しばしばアミロイド・タウ・ニューロデジェネレーション(AT(N)カスケード)によって説明される。
しかし、ほとんどの縦長モデルは、このカスケードをバイオマーカーの固定シーケンスまたはブラックボックス予測タスクとして表現している。
これにより、生物学的に誘導されたバイオマーカーの関係が将来の地域病理に影響を及ぼすかどうかを判断することが困難になる。
本稿では,AD進行の段階認識モデリングのためのベイズ構造フレームワークであるBN-LTEを用いたベイズネットワークについて紹介する。
BN-LTEは、生物学的に証明可能なAT(N)オーダーに従って、ベースラインバイオマーカープロファイルと制約の依存性から病気の擬似時間を推定する。
後方スプライン変化構造方程式は、初期マルチモーダル測定と将来の地域タウPET変化を結びつけるために用いられる。
BN-LTEは,ADNIデータを用いた主観的解離性の評価を繰り返しながら,それを含む予測ベースラインと比較して,タウ進行の強い空間的再構成を示す。
空間再構成の他に、BN-LTEは後段のAT(N)制限効果を回復し、アミロイド感受性の時間中ウィンドウを同定する。
このウィンドウは、モデルで実装されたg-formulaコントラスト、ルート調整されたAIPW、メカニズムに敏感なアブレーション、スプラインおよび以前の仕様間のロバストネス解析によってサポートされている。
これらの結果から, BN-LTEは, 経時的神経画像データにおいて, ステージ依存AT(N)カスケード機構を観察しながら, タウ進行を予測するためのベイズ構造的枠組みとして位置づけられた。
私たちのコードはhttps://github.com/danleneurocom/BN-LTEで利用可能です。
関連論文リスト
- Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided [62.10276009853225]
ロボットによる骨盤外傷手術には,CTによる骨切片の信頼性が不可欠である。
既存の方法はPBSに対して限られた有効性を示した。
PBSのための新しいクローズドループ動的信頼性ガイドフレームワーク(ReGA)を提案する。
論文 参考訳（メタデータ） (2026-08-01T08:13:20Z) - SC-TauPath: A Structural Connectivity Attribution Framework for Mapping Tau Propagation Pathways in Alzheimer's Disease [15.453860436289164]
In vivo の神経画像データからtau の伝播経路をマッピングする SC-TauPath 構造接続(SC)アトリビューションフレームワークを提案する。
SC-TauPathは、ネットワーク拡散モデル(NDM)で拡張された多層パーセプトロンと勾配$times$入力属性を組み合わせて、各SCエッジのタウ予測への寄与を評価する。
234人のADNI参加者に適用すると、SC-TauPathは強いクロスバリデーションタウ予測を達成し、Braakステージング解剖と整合した帰属経路マップを生成する。
論文 参考訳（メタデータ） (2026-06-02T13:57:13Z) - From Trajectories to Phenotypes: Disease Progression as Structural Priors for Multi-organ Imaging Representation Learning [22.146397986514604]
本稿では, 臓器関連IDPエンコーダに構造知識を変換するトラジェクティブ・アウェア・フレームワークを提案する。
英国バイオバンクのコホートでは159の疾患が発生し、トラジェクトリ・アウェア・プレトレーニングにより、識別と発症予測の両方が一貫して改善される。
以上の結果から, 人口規模で生成する疾患モデルが, データ制限画像モダリティの構造的先行要因となる可能性が示唆された。
論文 参考訳（メタデータ） (2026-05-12T11:10:26Z) - TEMPO: Transformers for Temporal Disease Progression from Cross-Sectional Data [1.2318267573115809]
textscTempoは、順序と連続したイベントシーケンスの両方を学ぶトランスフォーマーアーキテクチャである。
textscTempoは、ケンドールのタウ距離を52.89%減らし、最先端のSA-EBMに比べて25.33%減らした。
textscTempoは生物学的に妥当なアルツハイマーの進行を回復する。
論文 参考訳（メタデータ） (2026-04-25T16:25:08Z) - Learning to Synergize Semantic and Geometric Priors for Limited-Data Wheat Disease Segmentation [51.06355116973389]
本研究では,小麦病のセグメンテーションを病種特異的な意味認識と疾患境界の局所化の複合的課題として扱う枠組みを提案する。
我々の中核的な洞察は、事前訓練されたDINOv2は、出現シフトを処理するために、堅牢なカテゴリ認識セマンティックスを提供します。
SGPer は,コムギ病と臓器分画のベンチマークにおいて,常に最先端のパフォーマンスを達成している。
論文 参考訳（メタデータ） (2026-04-07T04:19:39Z) - DiGAN: Diffusion-Guided Attention Network for Early Alzheimer's Disease Detection [1.6471330810152984]
アルツハイマー病(AD)の早期診断は、構造的脳変化の微妙で時間的に不規則な進行のため、依然として大きな課題である。
既存のディープラーニングアプローチでは、大規模な時系列データセットが必要であり、実世界の臨床データに固有の時間的連続性とモダリティの不規則性をモデル化できないことが多い。
本稿では,遅延拡散モデルと注意誘導畳み込みネットワークを統合した拡散誘導注意ネットワーク(DiGAN)を提案する。
論文 参考訳（メタデータ） (2026-02-02T21:59:23Z) - DOGMA: Weaving Structural Information into Data-centric Single-cell Transcriptomics Analysis [43.565183518761984]
生データの構造的再構成と意味的拡張を目的としたデータ中心型フレームワークであるDOGMAを提案する。
複雑な多種多様なベンチマークにおいて、DOGMA SOTA性能は優れたゼロショットロバスト性とサンプル効率を示す。
論文 参考訳（メタデータ） (2026-02-02T09:10:09Z) - Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
回帰に基づくタスクの基礎モデルを体系的に評価する。
我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。
乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
論文 参考訳（メタデータ） (2026-01-29T14:06:50Z) - Dynamic Classification of Latent Disease Progression with Auxiliary Surrogate Labels [4.997489272248076]
進化する健康情報に基づく疾患進展予測は、真の疾患状態が不明な場合に困難である。
我々は,主観的ラベルを用いた適応的前方回帰アルゴリズムを開発した。
漸近特性が確立され, 有限試料による顕著な改善が示された。
論文 参考訳（メタデータ） (2024-12-11T04:14:15Z) - Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。
提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。
次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文 参考訳（メタデータ） (2024-08-09T15:10:34Z) - Morphological feature visualization of Alzheimer's disease via
Multidirectional Perception GAN [40.50404819220093]
アルツハイマー病(AD)の重症度を示す形態的特徴を可視化するために, 新規な多方向知覚生成適応ネットワーク(MP-GAN)を提案する。
MP-GANは既存の手法に比べて優れた性能を発揮する。
論文 参考訳（メタデータ） (2021-11-25T03:24:52Z)
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。