論文の概要: International Transfer of Stochastic Cortical Self-Reconstruction
- arxiv url: http://arxiv.org/abs/2608.07092v1
- Date: Fri, 07 Aug 2026 10:41:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.478396
- Title: International Transfer of Stochastic Cortical Self-Reconstruction
- Title（参考訳）: 確率的皮質自己再建の国際的移動
- Abstract要約: 皮質自己再構成(SCSR)は、灰白質萎縮のマッピングをパーソナライズすることができる。
本稿では、もともとUKB(UK Biobank)データに基づいて訓練されたSCSRの、独立した中国人集団データセットへの一般化と転送可能性について検討する。
我々は、UKBトレーニングモデルの直接適用、中国データの微調整、スクラッチからのトレーニング、UKBと中国のコホートでの合同トレーニングの4つのトレーニング戦略を比較した。
- 参考スコア（独自算出の注目度）: 9.458872624712486
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Stochastic cortical self-reconstruction (SCSR) enables personalized mapping of gray matter atrophy, a hallmark of neurodegenerative disorders such as Alzheimer's disease (AD), onto high-resolution cortical surfaces. Unlike conventional normative modeling approaches, which typically operate at a coarse regional level and remain inherently constrained by the covariates included during training, SCSR estimates an individualized healthy reference directly from the observed cortical thickness at the vertex level. This allows the detection of subtle, subject-specific deviations from healthy cortical shape. In this work, we investigate the generalization and transferability of SCSR, originally trained on UK Biobank (UKB) data, to an independent Chinese population dataset. Specifically, we evaluate the ability of SCSR-derived Z-scores to discriminate between healthy scans, individuals with mild cognitive impairment (MCI), and patients with AD, while also assessing model robustness across the lifespan. We compare four training strategies: direct application of the UKB-trained model, fine-tuning on Chinese data, training from scratch, and joint training on UKB and Chinese cohorts. As reconstruction backbones, we consider both a multilayer perceptron (MLP) and a Spherical UNet (SUNet). Our results demonstrate that SCSR provides robust detection of cortical atrophy in the Chinese population across all evaluated models. The highest discriminative performance was achieved by the fine-tuned SUNet model (average pairwise AUC = 0.848), followed closely by the UKB-trained SUNet. Moreover, reconstruction errors remained low across the lifespan, even when the training population exhibited a substantially narrower age distribution, indicating strong cross-population transferability.
- Abstract（参考訳）: 確率的皮質自己再建(SCSR)は、アルツハイマー病(AD)などの神経変性疾患の指標である灰白質萎縮の高分解能皮質表面へのパーソナライズされたマッピングを可能にする。
通常、粗い領域レベルで動作し、訓練中に含まれる共変量によって本質的に制約される従来の規範的モデリングアプローチとは異なり、SCSRは、頂点レベルで観察された皮質の厚さから直接、個別化された健全な参照を推定する。
これにより、健康な皮質の形状から微妙で主題固有の偏差を検出することができる。
本研究では、もともとUKB(UK Biobank)データに基づいて訓練されたSCSRの、独立した中国人集団データセットへの一般化と転送可能性について検討する。
具体的には,健常者,軽度認知障害(MCI)者,AD患者に対して,SCSR由来のZスコアの判別能力を評価するとともに,生涯にわたってモデルロバスト性を評価する。
我々は、UKBトレーニングモデルの直接適用、中国データの微調整、スクラッチからのトレーニング、UKBと中国のコホートでの合同トレーニングの4つのトレーニング戦略を比較した。
再構成バックボーンとして,多層パーセプトロン (MLP) と球面UNet (SUNet) の両方を考慮する。
以上の結果から, SCSRはすべての評価モデルにおいて, 中国人の皮質萎縮の堅牢な検出を可能にすることが示された。
最も高い識別性能は、微調整のSUNetモデル(平均ペア対AUC = 0.848)で達成され、続いてUKBで訓練されたSUNetが続いた。
さらに, トレーニング人口が有意に年齢分布が狭く, 人口移動性が強いにもかかわらず, 再建誤差は生涯にわたって低かった。
関連論文リスト
- AlignUS: MRI-Guided Ultrasound Representation Learning for ALS Classification from Tongue Images [0.0]
舌の高分解能超音波(HRUS)は、球根の関与を評価するためのポータブルで低コストな代替手段を提供する。
本稿では,MRIからHRUSに基づく分類器へ解剖学的知識を伝達するクロスモーダルな知識蒸留フレームワークであるAlignusを提案する。
このモデルは4つの患者レベルのクロスバリデーションフォールドに集約された0.958の患者レベルのバランス精度、0.963のマクロF1、0.990のROC-AUCを実現する。
論文 参考訳（メタデータ） (2026-09-14T09:43:08Z) - BrainNorm: A Foundation Model that knows Normal via Semantic Atlas Pretraining [4.651750987298774]
我々は66,000T1重み付き構造MRI(T1w sMRI)スキャンをトレーニングし、テストした、規範的基礎モデルBrainNormを紹介した。
BrainNormはSemantic Atlas Latent Space (SAL)を学習し、各スキャンはアトラス-パーセル埋め込みのセットとして表現される。
SAL空間における偏差パターンは、パーセルワイド異常を用いた疾患予測のためのゼロショットタスクを可能にする。
論文 参考訳（メタデータ） (2026-08-18T08:45:02Z) - 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) - Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
パーキンソン病は世界中で1千万人以上に影響している。
個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。
我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
論文 参考訳（メタデータ） (2026-03-31T02:36:10Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - 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) - Individualized Mapping of Aberrant Cortical Thickness via Stochastic Cortical Self-Reconstruction [5.7864523838262025]
皮質自己再構成(SCSR)は、微妙な厚さのずれを検出することができる高度に個別化された皮質再構成を生成する。
SCSRは再建誤りを著しく低減し, 既往の方法よりも優れた疾患判別を可能にする萎縮パターンを同定した。
論文 参考訳（メタデータ） (2024-03-11T15:59:35Z) - cOOpD: Reformulating COPD classification on chest CT scans as anomaly
detection using contrastive representations [0.6733204971296001]
cOOpD: 正常な同種肺領域からヘテロジニアス領域がアウト・オブ・ディストリビューション (OOD) として検出される。
生成モデルは、健全な表現の分布を学び、異常を逸脱として識別する。
AUROCでは,cOOpDが8.2%,7.7%の増加とともに,2つの公開データセット上で最高のパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2023-07-14T10:05:37Z) - Density-Aware Personalized Training for Risk Prediction in Imbalanced
Medical Data [89.79617468457393]
不均衡率(クラス密度差)のトレーニングモデルは、最適以下の予測につながる可能性がある。
この不均衡問題に対するモデルトレーニングのためのフレームワークを提案する。
実世界の医療データセットにおけるモデルの性能向上を実証する。
論文 参考訳（メタデータ） (2022-07-23T00:39:53Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Uncertainty-Based Biological Age Estimation of Brain MRI Scans [10.670209276046915]
3次元磁気共鳴画像(MRI)を用いた臓器特異的BA推定のための新しい枠組みを提案する。
アルツハイマー病患者における予期したBAと予期される認知低下との相関性を示す。
論文 参考訳（メタデータ） (2021-03-15T16:08:23Z) - Age-Net: An MRI-Based Iterative Framework for Brain Biological Age
Estimation [18.503467872057424]
生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。
臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-22T19:04:02Z)
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。