論文の概要: A foundation-model approach to pediatric headache classification from rs-fMRI

• arxiv url: http://arxiv.org/abs/2608.07287v1
• Date: Fri, 07 Aug 2026 14:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.534306
• Title: A foundation-model approach to pediatric headache classification from rs-fMRI
• Title（参考訳）: rs-fMRIを用いた小児頭痛分類のための基礎モデルによるアプローチ
• Abstract要約: 頭部痛は小児で最も一般的な神経疾患であり、生活の質に重大な影響を及ぼす。 安静時機能的MRI(rs-fMRI)は,機械学習を用いて小児頭痛の分類を支援するか検討した。 我々は、最近の基礎モデルであるNeuroSTORMを用いてrs-fMRIデータを符号化し、頭痛のある子供と健康なコントロールを区別するように微調整した。
• 参考スコア（独自算出の注目度）: 0.32790636140801166
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Headache is the most common neurological disorder in children and substantially affects quality of life. We investigated whether resting-state functional MRI (rs-fMRI) can support pediatric headache classification using machine learning. We encoded rs-fMRI data using NeuroSTORM, a recent foundation model, and fine-tuned it to distinguish healthy controls from children with headache and subsequently classify headache subtypes. We compared NeuroSTORM with a standard neuroscience approach using functional-connectivity (FC) matrices derived from brain activity as predictors. Using 189 rs-fMRI scans from 110 individuals collected across two visits (prevalence of any headache: 74%), NeuroSTORM achieved an area under the receiver operating characteristic curve (AUROC) of 0.82 (95% CI, 0.82-0.82) and an area under the precision-recall curve (AUPRC) of 0.93 (95% CI, 0.93-0.94) for discriminating headache from non-headache. In contrast, models trained on FC matrices showed lower performance (AUROC, 0.67 [95% CI, 0.67-0.67]; AUPRC, 0.85 [95% CI, 0.85-0.85]). In multiclass classification of healthy controls, chronic migraine, and non-chronic headaches (e.g., post-viral headache, new daily persistent headache, post-traumatic headache), NeuroSTORM achieved a macro-AUROC of 0.69 (95% CI, 0.68-0.69). Results suggest that the approach can distinguish chronic migraine but has difficulty differentiating other headache subtypes from chronic migraine. Overall, under limited-data conditions, NeuroSTORM appears to capture latent rs-fMRI representations that transfer to headache-related tasks without relying on FC features. These findings provide proof of concept for fMRI-based prediction of pediatric headache and highlight potential future utility for subtype identification and individualized treatment strategies.
• Abstract（参考訳）: 頭部痛は小児で最も一般的な神経疾患であり、生活の質に重大な影響を及ぼす。 安静時機能的MRI(rs-fMRI)は,機械学習を用いて小児頭痛の分類を支援するか検討した。 我々は、最近の基礎モデルであるNeuroSTORMを用いてrs-fMRIデータを符号化し、頭痛のある子供と健康なコントロールを区別し、その後、頭痛のサブタイプを分類するために微調整した。 我々は,脳活動から導かれる機能結合性(FC)行列を予測因子として用いた標準的な神経科学手法であるNeuroSTORMと比較した。 2回の訪問で収集した110名(頭痛の頻度:74%)のRS-fMRIスキャンを用いて、NeuroSTORMは受信者動作特性曲線(AUROC)が0.82(95% CI, 0.82-0.82)、高精度リコール曲線(AUPRC)が0.93(95% CI, 0.93-0.94)の領域を達成した。 対照的に、FCマトリクスでトレーニングしたモデルは低い性能を示した(AUROC, 0.67 [95% CI, 0.67-0.67]; AUPRC, 0.85 [95% CI, 0.85-0.85])。 健康管理、慢性片頭痛、非慢性頭痛(例:ウイルス後頭痛、新しい日常性頭痛、外傷後頭痛)の多クラス分類において、NeuroSTORMはマクロAUROC0.69(95% CI, 0.68-0.69)を達成した。 以上の結果から,慢性片頭痛と他の頭痛サブタイプとの鑑別は困難であることが示唆された。 全体として、限定データ条件下では、NeuroSTORMは、FC機能に頼ることなく頭痛に関連するタスクに移行する潜伏したrs-fMRI表現をキャプチャしているように見える。 これらの知見は、fMRIによる小児頭痛の予測の概念の実証と、サブタイプ同定と個別化治療戦略の今後の可能性を明らかにするものである。

関連論文リスト

• 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)
• FUGC: Benchmarking Semi-Supervised Learning Methods for Cervical Segmentation [63.7829089874007]
  本稿では,頚椎椎間板断裂における半教師あり学習のための最初のベンチマークであるFetal Ultrasound Grand Challenge (FUGC)を紹介する。 FUGCは、500のトレーニング画像、90の検証画像、300のテスト画像を含む890のTVSイメージのデータセットを提供する。 Dice similarity Coefficient (DSC), Hausdorff Distance (HD), and Runtime (RT), with a weighted combination of 0.4/0.4/0.2。
  論文  参考訳（メタデータ） (2026-01-22T01:34:39Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
  我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。 NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。 年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-06-11T23:51:01Z)
• 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)
• Cryptogenic stroke and migraine: using probabilistic independence and machine learning to uncover latent sources of disease from the electronic health record [0.8466004732265869]
  Migraineは暗号原性脳卒中(CS)の生存リスクを2倍にする 本研究では, 片頭痛患者に対するCSの10年間のリスク予測モデルを構築し, 確率的に非依存な情報源を電子健康記録データから抽出するためのデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2025-04-22T16:19:41Z)
• Multi-atlas Ensemble Graph Neural Network Model For Major Depressive Disorder Detection Using Functional MRI Data [0.0]
  うつ病性障害(MDD)は最も一般的な精神疾患の1つであり、日常的な活動や生活の質に大きな影響を及ぼす。 MDDの現在の診断アプローチは、主に臨床観察と患者報告された症状に依存している。 深層学習技術は神経画像データに広く応用され、早期の精神疾患の検出に役立っている。 本研究の目的は,rs-fMRI画像から識別特徴を検出するアンサンブルに基づくGNNモデルを開発することである。
  論文  参考訳（メタデータ） (2024-12-21T17:08:03Z)
• Discriminating retinal microvascular and neuronal differences related to migraines: Deep Learning based Crossectional Study [25.42860765792006]
  片頭痛の患者と片頭痛の人の間で網膜画像が区別される範囲について、限定的な理解がある。 我々は、畳み込みニューラルネットワークを眼底写真データに応用し、従来の人間の解釈では明らかでない網膜の相違を調べる。 片頭痛の個体は、片頭痛の個体と比較して、ニューロンの差異よりも微小血管の差異が示されることが示唆された。
  論文  参考訳（メタデータ） (2024-07-30T01:40:59Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• NeuroMorphix: A Novel Brain MRI Asymmetry-specific Feature Construction Approach For Seizure Recurrence Prediction [0.35898124827270983]
  精垂再発は初発未発症の発作後の重要な問題である。 NeuroMorphixはMRI脳解剖に基づく機能構築アプローチである。 最新の分類アルゴリズムは、発作再発を予測するためにNeuroMorphix機能を使用して訓練され、テストされた。
  論文  参考訳（メタデータ） (2024-04-16T05:28:07Z)
• Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
  本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。 まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。 そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
  論文  参考訳（メタデータ） (2022-09-22T04:17:57Z)
• 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。