複数の機能的結合に基づくグラフ畳み込みネットワークを用いた自閉症スペクトラム障害の識別

本文タイトルは「Identification of Autism Spectrum Disorder Using Multiple Functional Connectivity-based Graph Convolutional Network」で、雑誌「medical & biological engineering & computing」の2024年第62巻2133-2144ページに掲載されました。本研究は、グラフ畳み込みネットワーク(Graph Convolutional Networks, GCN)と静的機能的磁気共鳴画像法(rs-fMRI)データを組み合わせ、自閉症スペクトラム障害(Autism Spectrum Disorder, ASD)の早期診断を実現するための多機能接続...

肺がん表現学習のためのグラフニューラルネットワーク

肺がん表現学習のためのグラフニューラルネットワーク

グラフニューラルネットワークに基づく肺癌の表現学習 背景紹介 デジタル病理学の急速な発展に伴い、画像ベースの診断システムは正確な病理診断においてますます重要になっています。これらのシステムは、全スライド画像(Whole Slide Images, WSIs)に対する複数インスタンス学習(Multiple Instance Learning, MIL)技術に依存しています。しかし、WSIsを効率的に表現する方法は依然として解決が急がれる問題です。深層ニューラルネットワークの出現により、ビジュアルコンピューティングは画期的な進展を遂げましたが、WSIの膨大なピクセル数に直面する現有のニューラルネットワーク手法は依然として大きなチャレンジに直面しています。近年、いくつかの研究がグラフベースのモデル...

グラフ理論解析による原発性閉塞隅角緑内障患者の脳ネットワークのトポロジー的組織化

グラフ理論解析による原発性閉塞隅角緑内障患者の脳ネットワークのトポロジー的組織化

原発閉塞隅角緑内障患者の脳ネットワークトポロジーのグラフ理論分析 研究背景 緑内障は視神経の損傷と眼圧の上昇を特徴とする世界的な失明を引き起こす眼疾患である(Kang and Tanna 2021)。さまざまなタイプの緑内障の中で、原発閉塞隅角緑内障(Primary Angle-Closure Glaucoma,PACG)は特にアジアで普遍的である(Chan et al. 2016)。PACGの病因は複雑で、前房角の狭窄、前房の混雑が閉鎖を引き起こす(Sun et al. 2017)、脈絡膜の肥厚(Zhou et al. 2013; 2014)、および脈絡膜の拡張(Kumar et al. 2008)などが含まれ、最終的に眼圧が上昇する。環境要因として、照明条件が瞳孔の大きさに影響を及ぼし、...

ソースレベルのEEGとグラフ理論に基づいた脳卒中後てんかん患者の機能的結合の変化

ソースレベルEEGとグラフ理論に基づく卒中後てんかん患者の機能的結合の変化に関する研究報告 研究背景 てんかんの病因は多岐にわたり、特発性、先天性、頭部外傷、中枢神経系感染、脳腫瘍、神経変性疾患、脳血管疾患などが含まれます。その中で、脳血管疾患は全てんかん症例のおよそ11%を占め、高齢者てんかん患者の最も一般的な病因となっています。また、卒中後てんかん(Post-Stroke Epilepsy, PSE)は卒中患者の一般的な合併症であり、3%から30%の卒中患者がPSEに発展する可能性があります。PSEのリスク要因としては、皮質の関与、出血性の転化、早期発作、若年発病、高いNIHSSスコア、アルコール依存などが挙げられます。 ネットワーク科学とグラフ理論は、脳機能の理解において顕著な可能性を...

冠動脈性心臓病における機能的脳ネットワークの変化:独立成分分析およびグラフ理論分析

冠動脈性心臓病における機能的脳ネットワークの変化:独立成分分析およびグラフ理論分析

冠心病患者功能性大脳ネットワークの変化:独立成分分析とグラフ理論分析 本論文は《Brain Structure and Function》誌2024年第229巻に掲載され、冠心病(coronary heart disease, CHD)患者における機能的接続(functional connectivity, FC)および脳ネットワークのトポロジ特性の変化を研究しています。論文は、厦門大学附属心血管病医院、厦門大学医学院など複数の機関の科学者たちが協力して完成させたもので、主要な著者にはSimin Lin、Puyeh Wu、Shaoyin Duanなどが含まれます。 研究背景と動機 冠心病は世界の主要な死因の一つであり、患者は認知および心理的損害のリスクが高まります。これまでの研究により、冠心...

階層的ネガティブサンプリングに基づくグラフ対照学習アプローチによる薬剤-疾患関連予測

階層的負サンプリングに基づくグラフ対比学習を用いた薬物-疾患関連予測の研究 薬物-疾患関連(RDAs)の予測は、疾患治療戦略の解明や薬物の再利用において重要な役割を果たしています。しかし、既存の方法は主に限定されたドメイン特有の知識に依存して薬物と疾患の候補関連を予測しているため、効果が限定されています。また、薬物-疾患関係の未知の情報を単純に負のサンプルとして定義することには固有の欠点があります。これらの課題を克服するため、本研究では階層的な負のサンプリングに基づく新しいグラフ対比モデルであるHSGCL-RDAを提案し、薬物と疾患の潜在的な関連を予測します。 研究背景と研究課題 薬物開発および疾患進行の制御プロセスは長くて高価であり、増え続ける疾患の数とその変異により効果的な薬物の需要が増...