文献

J-GLOBAL ID：202102225778859989   整理番号：21A0383774

前頭側頭型認知症とアルツハイマー病の深層学習ベース分類とボクセルベース可視化【JST・京大機械翻訳】

Deep Learning-Based Classification and Voxel-Based Visualization of Frontotemporal Dementia and Alzheimer’s Disease

著者 (13件)： Hu Jingjing (National Institute of Healthcare Data Science at Nanjing University, Nanjing, China) ,  Hu Jingjing (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Qing Zhao (Department of Radiology, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School, Nanjing, China) ,  Liu Renyuan (Department of Radiology, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School, Nanjing, China) ,  Zhang Xin (Department of Radiology, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School, Nanjing, China) ,  Lv Pin (Department of Radiology, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School, Nanjing, China) ,  Wang Maoxue (Department of Radiology, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School, Nanjing, China) ,  Wang Yang (Department of Radiology, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School, Nanjing, China) ,  He Kelei (National Institute of Healthcare Data Science at Nanjing University, Nanjing, China) ,  He Kelei (Medical School of Nanjing University, Nanjing, China) ,  Gao Yang (National Institute of Healthcare Data Science at Nanjing University, Nanjing, China) ,  Gao Yang (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Zhang Bing
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 14  ページ： 626154  発行年： 2020年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 前頭側頭性痴呆(FTD)とアルツハイマー病(AD)は重複症状を有し,正確な鑑別診断は標的介入と治療に重要である。以前の研究では,深層学習(DL)技術がFTD,ADおよび正常対照(NC)の鑑別診断問題を解決する可能性を有するが,その性能はまだ不明である。さらに,既存のDL支援診断研究は,まだ仮説に基づくエキスパートレベル前処理に依存している。一方では,それは臨床医とデータ自体に関して高い要求を課す。他方,それは分類結果のバックトラッキングを元の画像データに妨げ,分類結果を直感的に解釈できない。本研究では,3D T1強調構造磁気共鳴イメージング(MRI)容積(n=4,099)の大きなコホートを,2つの公的に利用可能なデータベース,すなわち,ADNIとNIFDから収集した。FTD,ADおよび対応するNCを分類するために,生T1画像に基づいて直接DLベースネットワークを訓練した。そして,9つのシナリオの下で収束速度,鑑別診断能力,ロバスト性および一般化可能性を評価した。提案したネットワークは,最も一般的なT1強調配列[磁化-調製迅速取得法(MPRAGE)]に基づく91.83%の精度をもたらした。多重分類タスクを通してDLネットワークによって学習された知識も,サブ問題を解決するために使用でき,知識は一般化可能であり,特定のデータセットに制限されない。さらに,誘導逆伝搬に基づく勾配可視化アルゴリズムを適用し,DLベースネットワークが各決定を行う理由を直感的に知る寄与グラフを計算した。FTDに貴重な寄与をする領域は,右前頭白質領域でより広く,一方,左側頭,両側下前頭および傍海馬領域は,ADの分類に寄与した。著者らの結果は,DLベースのネットワークが,仮説に基づく前処理なしで,疾患の鑑別診断のエニグマを解決する能力を有することを示した。さらに,それらはヒト臨床医と異なる可能性がある潜在的パターンを採掘し,FTDとADの理解に新しい洞察を提供する可能性がある。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  データベース ,  ネットワーク ,  ヒト ,  *可視化 ,  海馬 ,  多重化 ,  三次元 ,  母集団 ,  NMRイメージング ,  *Alzheimer病 ,  鑑別診断 ,  *認知症
準シソーラス用語： 臨床医 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  畳込みニューラルネットワーク ,  前頭側頭型認知症 ,  アルツハイマー病 ,  MRI ,  可視化

分類 (1件)： 神経系の診断  (GN02000H)

引用文献 (34件)：

• AltmannA.CashD. M.BocchettaM.HellerC.ReynoldsR. H.MooreK. (2019). Analysis of brain atrophy and local gene expression implicates astrocytes in Frontotemporal dementia. BioRxiv [Preprint] doi: 10.1101/2019.12.11.872143
• AssociationA. S. (2019). 2019 Alzheimer’s disease facts and figures. Alzheimer’s Dement. 15 321-387. doi: 10.1016/j.jalz.2019.01.010
• BangJ.SpinaS.MillerB. L. (2015). Frontotemporal dementia. Lancet 386 1672-1682.
• BasaiaS.AgostaF.WagnerL.CanuE.MagnaniG.SantangeloR. (2019). Automated classification of Alzheimer’s disease and mild cognitive impairment using a single MRI and deep neural networks. NeuroImage Clin. 21:101645. doi: 10.1016/j.nicl.2018.101645 30584016
• BasheeraS.RamM. S. S. (2020). A novel CNN based Alzheimer’s disease classification using hybrid enhanced ICA segmented gray matter of MRI. Comput. Med. Imaging Graph. 81:101713. doi: 10.1016/j.compmedimag.2020.101713 32220743

タイトルに関連する用語 (6件)： 前頭側頭型認知症 ,  アルツハイマー ,  深層学習 ,  分類 ,  ボクセル ,  可視化