論文の概要: Parcel2Progression: An Anatomy-aware Longitudinal Framework for Alzheimer's Disease Diagnosis
- arxiv url: http://arxiv.org/abs/2608.08753v1
- Date: Sun, 09 Aug 2026 15:06:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.940904
- Title: Parcel2Progression: An Anatomy-aware Longitudinal Framework for Alzheimer's Disease Diagnosis
- Title（参考訳）: Parcel2Progression : アルツハイマー病診断のための解剖学的考察
- Authors: Madhumitha Venkatesh, Shanawaj S Madarkar, Konda Reddy Mopuri,
- Abstract要約: アルツハイマー病(英語: Alzheimer's disease, AD)は、早期に微妙な病態を呈する縦断過程である。
Parcel2Progression(P2P)は、3Dスキャンをよりリッチな基底表現にトークン化するAtlas-Guided Parcelを使ってこの問題に対処する縦型トランスフォーマーフレームワークである。
このシナジーは,(1) パーセル特異的解釈可能性,(2) 長期解析における計算的トラクタビリティの2つの大きな利点をもたらす。
- 参考スコア（独自算出の注目度）: 4.651750987298774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Alzheimer's disease (AD) progression is a longitudinal process with subtle pathological cues in the early stages. Yet, computational constraints have limited most neuroimaging models to either compromise spatial information or limit the number of longitudinal scans. We aim to overcome this bottleneck and fully leverage high-resolution, variable-length T1w structural MRI (4D sMRI) scan sequences. We introduce Parcel2Progression (P2P), a Longitudinal Transformer Framework which tackles this challenge using an Atlas-guided Parcel Encoder that tokenizes 3D scans into a set of richer anatomically grounded representations. A Longitudinal Transformer then integrates irregular, arbitrary-length longitudinal visits with patient age. This synergy delivers two key advantages: (1) parcel-specific interpretability, and (2) computational tractability for long-term analysis, which scales linearly with the number of scans compared to a naive quadratic 4D ViT cost. P2P outperforms prior works and baselines in both MCI (Mild Cognitive Impairment) to AD conversion prediction and AD vs. CN (Cognitively Normal) classification tasks across ADNI, AIBL, and MIRIAD datasets. Leveraging longitudinal scans boosts performance over single-scan baselines by up to 5% and 7% in balanced accuracy for AD classification and MCI conversion prediction tasks, respectively. Interpretability analysis using parcel saliencies and attention rollouts reveals clinically consistent atrophy patterns in AD and MCI subjects. We also demonstrate the frameworks' reliability in anomaly detection using a synthetic dataset, and test the model's generalizability for other neurodegenerative diseases like Frontotemporal Dementia.
- Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's disease, AD)は、早期に微妙な病態を呈する縦断過程である。
しかし、計算の制約は、空間情報を妥協するか、縦スキャンの数を制限するため、ほとんどのニューロイメージングモデルに制限がある。
我々はこのボトルネックを克服し、高分解能で可変長のT1w構造体MRI(4D sMRI)スキャンシーケンスをフル活用することを目指している。
本稿では,Atlas-Guided Parcel Encoderを用いた縦型トランスフォーマーフレームワークであるParcel2Progression(P2P)を紹介した。
縦長変換器は、不規則で任意の長さの縦長の訪問を患者年齢と統合する。
このシナジーは,(1)パーセル固有の解釈可能性,(2)長期解析のための計算的トラクタビリティの2つの大きな利点を提供する。
P2Pは、MCI(Mild Cognitive Impairment)からAD変換予測、AD vs. CN(Cognitively Normal)分類タスク、ADNI、AIBL、MIRIADデータセットの両方において、以前の作業やベースラインよりも優れています。
縦スキャンの活用は,AD分類とMCI変換予測タスクのバランスの取れた精度を最大5%, 7%向上させる。
パーセルサリエンシとアテンションロールアウトを用いた解釈可能性分析により,ADおよびMCI患者の臨床的に一貫した萎縮パターンが明らかとなった。
また、合成データセットを用いた異常検出におけるフレームワークの信頼性を実証し、Frontotemporal Dementiaのような他の神経変性疾患に対するモデルの一般化性を検証する。
関連論文リスト
- ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction [81.07048249760953]
縦方向の変化は、しばしば微妙で、特定の解剖学的領域に限られる。
ほとんどの被験者固有の脳構造は、時間とともに安定している。
ProgFormerは、縦型脳MRI予測のための階層型ボクセル空間拡散変換器である。
論文 参考訳（メタデータ） (2026-07-30T00:13:42Z) - AdaSurvMamba: Dynamic Fusion and Semantic Scanning for Multimodal Survival Analysis [57.942670844512016]
我々はAdaSurvMambaをマルチモーダルサバイバル分析の新しい適応フレームワークとして紹介する。
このフレームワークは、クロスモーダル相互作用強度を動的に変調するDual-Scale Importance-Aware Reconstruction (DSIR)モジュールを備えている。
5つのTCGAコホートに対する実験は、既存の方法よりも一貫した利得を示している。
論文 参考訳（メタデータ） (2026-06-28T11:36:31Z) - TimeLesSeg: Unified Contrast-Agnostic Cross-Sectional and Longitudinal MS Lesion Segmentation via a Stochastic Generative Model [0.338424069286569]
TimeLesSegは、その入力に時間次元の有無にかかわらずMS病変を分断するように設計されたコントラストに依存しない統合フレームワークである。
本手法は, 病変マスクと現在のスキャンを併用した病理組織学的先行をモデル化する。
クロスセクション処理は、事前情報が得られないトレーニングケースにモデルを公開することによって実現される。
論文 参考訳（メタデータ） (2026-05-08T16:19:34Z) - Toward Personalized Digital Twins for Cognitive Decline Assessment: A Multimodal, Uncertainty-Aware Framework [0.2566571621858396]
PCD-DTフレームワークは、神経変性疾患におけるシリコモデリングをパーソナライズするための原則的な出発点を提供する。
本研究は,PCD-DTを臨床展開性,不確実性を考慮したデジタル双生児システムに向けた基礎的なステップとして位置づける。
論文 参考訳（メタデータ） (2026-04-29T21:40:55Z) - MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。
我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
論文 参考訳（メタデータ） (2026-03-12T07:37:00Z) - SurvAgent: Hierarchical CoT-Enhanced Case Banking and Dichotomy-Based Multi-Agent System for Multimodal Survival Prediction [49.355973075150075]
マルチモーダルサバイバル予測のための最初の階層的チェーン・オブ・シント(CoT)強化マルチエージェントシステムであるSurvAgentを紹介する。
SurvAgentは2つの段階から構成される: WSI-Gene CoT-Enhanced Case Bank Constructionは、低磁化スクリーニング、クロスモーダル類似性-アウェアパッチマイニング、および病理画像に対する信頼-アウェアパッチマイニングを通じて階層解析を使用する。
二分法に基づくMulti-Expert Agent Inferenceは、RAGを介して類似の事例を検索し、段階的間隔改善による専門家予測とマルチモーダルレポートを統合する。
論文 参考訳（メタデータ） (2025-11-20T18:41:44Z) - FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI [44.4791295950757]
我々は脳MRIのための教師なし異常検出(UAD)アプローチを開発した。
病的シグネチャの最初の系統的周波数領域解析を行う。
周波数分割前処理(FDP)フレームワークは,周波数領域再構成を同時に行うことで,病態の抑制と解剖学的保存を同時に行うことができることを示す。
論文 参考訳（メタデータ） (2025-11-17T02:40:14Z) - PF-DAformer: Proximal Femur Segmentation via Domain Adaptive Transformer for Dual-Center QCT [8.358409792893278]
多施設定量的CT(QCT)に適したドメイン適応型トランスフォーマーセグメンテーションフレームワークを開発した。
当モデルでは, タラネ大学から1024個のQCT画像スキャン, ミネソタ州ロチェスターから384個の画像スキャンを行い, 大腿骨近位部セグメンテーションを行った。
論文 参考訳（メタデータ） (2025-10-30T18:07:56Z) - Structured Spectral Graph Representation Learning for Multi-label Abnormality Analysis from 3D CT Scans [0.0]
3次元胸部CTスキャンのマルチラベル分類は依然として重要な課題である。
3次元畳み込みニューラルネットワークに基づく既存の手法は、長距離依存を捉えるのに苦労する。
本稿では3次元CTボリュームを構造化グラフとして表現するグラフベースの新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-12T19:49:51Z) - Self-Supervised Cross-Encoder for Neurodegenerative Disease Diagnosis [6.226851122403944]
縦型MRIスキャンにおける時間的連続性を利用した自己監督型クロスエンコーダフレームワークを提案する。
このフレームワークは、学習した表現を2つのコンポーネントに分解する: 静的表現は、対照的な学習によって制約され、安定した解剖学的特徴を捉え、動的表現は、時間的変化を反映する入力漸進正規化によってガイドされる。
アルツハイマー病神経画像イニシアチブデータセットの実験結果から,本手法は分類精度が向上し,解釈性が向上することが示された。
論文 参考訳（メタデータ） (2025-09-09T11:52:24Z) - MedSeqFT: Sequential Fine-tuning Foundation Models for 3D Medical Image Segmentation [55.37355146924576]
MedSeqFTは、医用画像解析のためのシーケンシャルな微調整フレームワークである。
事前訓練されたモデルを新しいタスクに適応させ、表現能力を改善する。
最先端の微調整戦略を一貫して上回ります。
論文 参考訳（メタデータ） (2025-09-07T15:22:53Z)
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。