論文の概要: AG-JEPA: Anatomically Guided Joint Embedding Predictive Architecture for Neurodegenerative Representation Learning
- arxiv url: http://arxiv.org/abs/2611.18097v1
- Date: Fri, 13 Nov 2026 12:24:04 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:23:41.615398
- Title: AG-JEPA: Anatomically Guided Joint Embedding Predictive Architecture for Neurodegenerative Representation Learning
- Title(参考訳): AG-JEPA:神経変性表現学習のための予測的アーキテクチャを解剖学的にガイドした共同埋め込み
- Abstract要約: 脳MRIは、測定可能な認知低下が明らかになる前にアルツハイマー病(AD)の早期徴候を明らかにすることができる。
認知正常(CN)から軽度認知障害(MCI)への移行期には、疾患関連信号は微妙で、少数の脳領域に限られることが多い。
本稿では,神経変性に関連する脳領域から局所特異的な表現を学習するために,前訓練中にパッチトークンと相互作用する解剖学的トークンを導入したAnatomically Guided JEPA (AG-JEPA)を提案する。
- 参考スコア(独自算出の注目度): 4.967532376968989
- License:
- Abstract: Brain MRI can reveal early signs of Alzheimers disease (AD) before measurable cognitive decline becomes apparent. However, during the transition from cognitively normal (CN) to mild cognitive impairment (MCI), the disease-related signals are often subtle and confined to only a few brain regions. Existing Joint Embedding Predictive Architecture (JEPA) models learn general structural representations but do not explicitly capture the anatomical regions affected in AD. We propose Anatomically Guided JEPA (AG-JEPA), which introduces anatomical tokens that interact with patch tokens during pretraining to learn region-specific representations from brain regions relevant to neurodegeneration. Building on this representation space, we further propose Prog-AG-JEPA, which models disease progression trajectory as a conditioned latent displacement within this space. We evaluate AG-JEPA across five downstream tasks spanning Alzheimer's disease diagnosis and progression prediction. AG-JEPA improves diagnosis and MCI prognosis, achieving an 8.4 percentage point AUROC gain over the strongest baseline on CN/MCI classification and a 7.1 percentage point gain on out-of-distribution CN/AD classification on the MR-RATE dataset, highlighting its effectiveness across both early-stage detection and cross-cohort generalization. For disease progression modeling, Prog-AG-JEPA consistently outperforms all baselines on future diagnosis and brain volume change prediction, demonstrating the value of anatomically grounded neurodegeneration representations for diagnosis and prognosis.
- Abstract(参考訳): 脳MRIは、測定可能な認知低下が明らかになる前にアルツハイマー病(AD)の早期徴候を明らかにすることができる。
しかし、認知正常(CN)から軽度認知障害(MCI)への移行期には、疾患関連信号は微妙で、少数の脳領域に限られることが多い。
既存の統合埋め込み予測アーキテクチャ(JEPA)モデルは一般的な構造表現を学習するが、ADの影響を受ける解剖学的領域を明示的に捉えない。
本稿では,神経変性に関連する脳領域から局所特異的な表現を学習するために,前訓練中にパッチトークンと相互作用する解剖学的トークンを導入したAnatomically Guided JEPA (AG-JEPA)を提案する。
この表現空間上に構築したProg-AG-JEPAは,疾患進行軌跡を条件付き潜在変位としてモデル化する。
アルツハイマー病の診断と進行予測にまたがる5つの下流課題におけるAG-JEPAの評価を行った。
AG-JEPAは診断とMCI予後を改善し、CN/MCI分類における最強ベースラインよりも8.4ポイントのAUROCゲインを達成し、MR-RATEデータセット上での分布外CN/AD分類では7.1ポイントのゲインを達成し、早期検出とクロスコホート一般化の両面での有効性を強調している。
Prog-AG-JEPAは、疾患の進行モデリングにおいて、将来の診断と脳の容積変化予測の基準線を一貫して上回り、診断と予後のための解剖学的基盤された神経変性表現の値を示す。
関連論文リスト
- Longitudinal Bayesian Learning of Continuous Disease Position across the Alzheimer's Disease Continuum [57.659917052892155]
縦型拡散テンソルイメージング(DTI)による病気の重症度を連続的に推定する縦型ベイズ学習フレームワークを提案する。
アルツハイマー病神経画像イニシアチブ(ADNI)コホートの実験は、DCPが代表的疾患進行法より一貫して優れていることを示した。
以上の結果から,DCSはアルツハイマー病の進行を連続的に評価するための定量的な画像由来の表現を提供する可能性が示唆された。
論文 参考訳(メタデータ) (2026-08-19T20:41:26Z) - Neuropsychiatric Deviations From Normative Profiles: An MRI-Derived Marker for Early Alzheimer's Disease Detection [3.4046018979004695]
アルツハイマー病(AD)ではうつ病や無症候などの神経精神医学症状(NPS)が一般的である
現在のツールは、NPSがADの老朽化または早期の兆候の一部であり、実用性を制限しているかどうかを区別できない。
構造的MRIから非典型的NPS負荷を特定するための,ディープラーニングに基づく規範的モデリングフレームワークを提案する。
論文 参考訳(メタデータ) (2026-04-01T06:41:53Z) - R-GenIMA: Integrating Neuroimaging and Genetics with Interpretable Multimodal AI for Alzheimer's Disease Progression [63.97617759805451]
アルツハイマー病の早期発見には、マクロスケールの神経解剖学的変化とマイクロスケールの遺伝的感受性を統合できるモデルが必要である。
本稿では,新しいROIワイド・ビジョン・トランスフォーマと遺伝的プロンプトを結合した多モード多言語モデルR-GenIMAを紹介する。
R-GenIMAは、通常の認知、主観記憶、軽度認知障害、ADの4方向分類において最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2025-12-22T02:54:10Z) - Disentangling Neurodegeneration with Brain Age Gap Prediction Models: A Graph Signal Processing Perspective [89.99666725996975]
脳年齢ギャップ予測(BAGP)モデルは、データから予測される脳年齢と時系列年齢との差を推定する。
本稿では、BAGPの概要と、グラフ信号処理(GSP)の最近の進歩に基づく、このアプリケーションのための原則化されたフレームワークを紹介する。
VNNは強力な理論的基盤と操作的解釈可能性を提供し、脳年齢差予測の堅牢な推定を可能にする。
論文 参考訳(メタデータ) (2025-10-14T17:44:45Z) - Brain-Aware Readout Layers in GNNs: Advancing Alzheimer's early Detection and Neuroimaging [1.074960192271861]
本研究では,グラフニューラルネットワーク(GNN)のための新しい脳認識読み出し層(BA読み出し層)を提案する。
機能的接続とノード埋め込みに基づく脳領域のクラスタリングによって、このレイヤは、複雑な脳ネットワーク特性をキャプチャするGNNの機能を改善する。
以上の結果から,BA読み出し層を有するGNNは,プレクリニカルアルツハイマー認知複合度(PACC)の予測において,従来のモデルよりも有意に優れていた。
論文 参考訳(メタデータ) (2024-10-03T05:04:45Z) - 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) - An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
アルツハイマー病(英語: Alzheimer's disease, AD)は、認知機能障害(Mild Cognitive Impairment, MCI)として知られる前ドロマステージを含む認知症である。
この研究の目的は、マルチモーダルMRIデータと単一核化物多型に依存する脳構造と機能の構造的・機能的調節を捉えることである。
論文 参考訳(メタデータ) (2024-06-19T07:31:47Z) - SNeurodCNN: Structure-focused Neurodegeneration Convolutional Neural Network for Modelling and Classification of Alzheimer's Disease [0.0]
認知症の主要な形態であるアルツハイマー病(AD)は、世界的な課題となっている。
現在の臨床診断は、放射線技師の専門家による解釈に依存しており、これは人間の誤りを招きやすい。
本稿では,SNeurodCNNという新しい構造に着目した神経変性CNNアーキテクチャを含むディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-08T14:33:57Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳(メタデータ) (2020-05-08T02:29:24Z)
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。