論文の概要: Fusion techniques of time frequency-based images to predict the outcome of rTMS depression therapy

• arxiv url: http://arxiv.org/abs/2610.00380v1
• Date: Wed, 30 Sep 2026 08:50:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.627445
• Title: Fusion techniques of time frequency-based images to predict the outcome of rTMS depression therapy
• Title（参考訳）: 時間周波数画像の融合によるrTMS抑うつ治療結果の予測
• Abstract要約: うつ病は自殺や自傷に繋がる精神状態である。 うつ病治療の結果を予測することは、臨床医にとって最も難しい課題の1つである。 15例の一次データセットと46例の二次データセットを用いて検討した。 Montage CWT_ST融合は一次データセットで99.90%、二次データセットで91.90%に達する。
• 参考スコア（独自算出の注目度）: 0.8481798330936975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression is a mental condition that can lead to suicide and self-harm. Predicting the outcome of depression treatment is one of the most difficult tasks for clinicians. Among various treatment options, repetitive Transcranial Magnetic Stimulation (rTMS) is a widely used non-invasive method. Predicting rTMS response using Electroencephalogram (EEG) data is difficult because of high inter-subject variability and limited features from single-domain analysis. We introduce two fusion techniques, montage and blending, to overcome these limitations and extract richer features from EEG-derived Time-Frequency (TF) images. We then propose a lightweight custom Convolutional Neural Network (CNN) trained on fused TF representations. \textcolor{black}{We use a primary dataset of 15 patients and a secondary dataset of 46 patients. We run two sets of experiments. The first set uses segment-level 10-fold cross-validation. In this setup segments from the same patient can appear in both training and testing. The Montage CWT\_ST fusion reaches 99.90\% accuracy on the primary dataset and 91.90\% on the secondary dataset. The second set uses strict subject-disjoint cross-validation. All segments of a patient stay in one fold and no patient appears in both training and testing. Performance collapses. We test four time-frequency methods, six fusion mechanisms, and fourteen model architectures. With one exception, every configuration on both cohorts falls between AUC 0.31 and 0.54 and every 95\% confidence interval contains 0.5. A patient-level permutation test on the best standalone method returns $p = 0.703$. The best subject-level result is Montage CWT\_ST on the primary cohort, which reaches AUC $0.874 \pm 0.183$ and 82.7\% accuracy.
• Abstract（参考訳）: うつ病は自殺や自傷に繋がる精神状態である。 うつ病治療の結果を予測することは、臨床医にとって最も難しい課題の1つである。 様々な治療法の中で、反復性経頭蓋磁気刺激(rTMS)は広く使われている非侵襲的方法である。 脳波(EEG)データを用いたrTMS応答の予測は,物体間変動が強く,単一領域解析による特徴が限られているため困難である。 我々は,これらの制限を克服し,EEG由来の時間周波数(TF)画像からよりリッチな特徴を抽出するために,モンタージュとブレンディングという2つの融合技術を導入する。 次に、融合TF表現を訓練した軽量なカスタム畳み込みニューラルネットワーク(CNN)を提案する。 対象は15例の一次データセットと46例の二次データセットである。 私たちは2つの実験を実行します。 最初のセットはセグメントレベルの10倍のクロスバリデーションを使用する。 このセットアップでは、同じ患者のセグメントがトレーニングとテストの両方に表示される。 Montage CWT\_ST融合は一次データセットでは99.90\%、二次データセットでは91.90\%に達する。 第2の集合は厳密な主観非随伴クロスバリデーションを使用する。 患者のすべてのセグメントは1重に留まり、トレーニングとテストの両方に患者は現れない。 パフォーマンスが崩壊する。 4つの時間周波数法、6つの融合機構、14のモデルアーキテクチャをテストする。 1つの例外を除いて、両コホートの構成は AUC 0.31 から 0.54 の間にあり、95% % の信頼区間は0.5 である。 最高のスタンドアロンメソッドの患者レベルの置換テストは、$p = 0.703$を返す。 主主題レベルの最良の結果は、一次コホート上のMontage CWT\_STであり、AUC $0.874 \pm 0.183$と82.7\%の精度に達する。

関連論文リスト

• TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
  コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。 最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。 アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
  論文  参考訳（メタデータ） (2026-05-15T19:23:35Z)
• Bayesian Inference of Psychometric Variables From Brain and Behavior in Implicit Association Tests [0.786460153386845]
  我々は,インプリシット・アソシエーション・テスト(IAT)をデータ生成エンジンとして,神経・行動データからメンタルヘルス関連精神測定変数を推定する原理的手法を確立した。 マルチモーダルデータを利用して,精神疾患の症状に関連する経験を予測できる疎階層型ベイズモデルを提案する。
  論文  参考訳（メタデータ） (2026-03-17T16:20:55Z)
• Causal Machine Learning for Surgical Interventions [3.701687265960785]
  外科的意思決定は複雑で、患者の特徴、介入、結果の間の因果関係を理解する必要がある。 本研究では,ITE推定のためのマルチタスクメタ学習フレームワークであるX-MultiTaskを開発した。 X-MultiTaskは、患者固有の因果推定を提供することによって、パーソナライズされた外科的ケアを推進し、患者の成果を改善する強力なツールを提供する。
  論文  参考訳（メタデータ） (2025-09-24T02:31:43Z)
• Automated Radiographic Total Sharp Score (ARTSS) in Rheumatoid Arthritis: A Solution to Reduce Inter-Intra Reader Variation and Enhancing Clinical Practice [3.8516555293145345]
  本研究では、深層学習を利用して全手X線画像を解析する自動放射線シャープ符号化フレームワークを提案する。 I) ResNet50, II) UNet.3, III) YOLOv7, IV) VGG16, VGG19, ResNet50, DenseNet201, EfficientNetB0, Vision Transformer (ViT) などのモデルを用いた手指分割による手指識別
  論文  参考訳（メタデータ） (2025-09-08T16:21:45Z)
• Latent Space Data Fusion Outperforms Early Fusion in Multimodal Mental Health Digital Phenotyping Data [0.0]
  うつ病や不安などの精神疾患は早期発見とパーソナライズされた介入の方法を改善する必要がある。 従来の予測モデルは、精神医学的なデータの複雑なマルチモーダルな性質を捉えるのに失敗する、単調なデータや初期の融合戦略に依存していることが多い。 日常的なうつ症状の予測のための中間的(相対的空間)核融合の評価を行った。
  論文  参考訳（メタデータ） (2025-07-10T18:10:46Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)
• How well do U-Net-based segmentation trained on adult cardiac magnetic resonance imaging data generalise to rare congenital heart diseases for surgical planning? [2.330464988780586]
  先天性心疾患(TOF)患者における肺弁置換術の適応時期は, 主に心室容積と機能に基づく。 過去数年間のいくつかの大きな課題において、U-Netアーキテクチャは提供されたデータに対して印象的な結果を示している。 しかし、臨床実践においては、個々の病理や異なるスキャナー特性から派生した画像特性を考えると、データセットはより多様である。
  論文  参考訳（メタデータ） (2020-02-10T08:50:51Z)

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。