ADHD 早期検出の潜在的バイオマーカーに関する研究報告：位相ベースの脳機能接続とグラフ理論分析に基づいて 本文は「ADHD 早期検出のための潜在的バイオマーカーに関する研究：位相ベースの脳機能接続とグラフ理論分析を用いて」と題された研究報告である。本研究は Farhad Abedinzadeh Torghabeh、Seyyed Abed Hosseini、および Yeganeh Modaresnia により完了され、Physical and Engineering Sciences in Medicine（2023）第46巻、1447-1465ページに掲載された。本文は2023年9月5日にオンラインで公開された。この記事では、学術的な背景、研究方法、実験結果、および科学的価値が詳述される。...
脳科学研究が人工知能アルゴリズムを啓発する：知識組み立ての神経メカニズム 背景の概要 新しい情報が脳に入るとき、人間は「知識組み立て」（knowledge assembly）と呼ばれる過程を通じて、世界についての既存の知識を迅速に変更できます。最近、Nelliらによる研究において、人間の脳における知識組み立ての神経関連が探究されました。研究者たちはこの神経メカニズムに触発され、迅速な知識組み立てを実現し、システムの柔軟性を向上させる人工ニューラルネットワークアルゴリズムを開発しました。この研究は、脳の作業方法を研究することがより良い計算アルゴリズムの発展を促進することを再び証明しました。 研究の出典 この研究論文はXiang Ji、Wentao Jiang、Xiaoru Zhang、Ming...
喘息予測を関連グラフ強化分類器を用いて：従来の血液バイオマーカーに基づく機械学習手法 背景紹介 喘息は、全世界で約2.35億人に影響を及ぼす慢性呼吸器疾患です。世界保健機関（World Health Organization, WHO）の統計によると、喘息の主な特徴は気道の炎症であり、喘息患者は喘鳴、呼吸困難および胸部の圧迫感などの症状を示します。効果的な喘息管理および治療のためには、迅速かつ正確な診断が重要です。しかし、従来の喘息診断方法は病歴、身体検査および肺機能検査を併用するため、費用がかかるだけでなく、一部の患者の非典型的症状により診断時間が延びたり誤診されたりすることがあります。特に小児喘息の診断は困難で、従来の方法の時間がかかる特性はこの問題をさらに悪化させます。 機械学習（Ma...
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...
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...
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...
非小细胞肺癌的免疫疗法疗效预测：多视角自适应加权图卷积网络研究报告 背景介绍 肺癌は発症率が非常に高く、予後が悪い悪性腫瘍であり、長年にわたりその致死率は高止まりしています。すべての肺癌患者の中で、非小細胞肺癌（Non-Small Cell Lung Cancer, NSCLC）は約85%を占めています。新しい治療手段として、腫瘍免疫療法は癌患者に新しい治療のアイデアを提供しました。しかし、免疫療法は高額であり、約20%から50%の患者のみが満足のいく効果を得られるだけです。さらに治療中には、免疫性肺炎や肝炎などの副作用が発生する可能性があります。したがって、患者が免疫療法を受ける前にその効果を予測することは重要です。 近年、機械学習を基盤とする放射線オミクスは、NSCLCの免疫療法の効果予...