OpenNDD: Open Set Recognition for Neurodevelopmental Disorders Detection

要約

神経発達障害 (NDD) は非常に蔓延している疾患群であり、臨床的行動に強い類似性を示しているため、自閉症スペクトラム障害 (ASD) や注意欠陥多動性障害 (ADHD) などの異なる NDD を正確に識別することが非常に困難になっています。
さらに、NDDs の診断に信頼できる生理学的マーカーはなく、心理的な評価基準のみに依存しています。
しかし、インテリジェントな支援診断によって誤診や過少診断を防ぐことが重要であり、これはフォローアップ対応の治療と密接に関係しています。
これらの問題を軽減するために、我々はNDDのスクリーニングと検出のための新しいオープンセット認識フレームワークを提案します。これは、この分野におけるオープンセット認識の最初の応用です。
自動エンコーダと敵対的相互点オープンセット認識を組み合わせて、既知のクラスを正確に識別するだけでなく、遭遇したことのないクラスも認識します。
そして、異なる被験者間の強い類似性を考慮して、未知の疾患を区別するための MMS と呼ばれる関節スケーリング法を提案します。
提示した方法の実現可能性を検証するために、自閉症脳画像データ交換 I (ABIDE I) と ADHD-200 サンプル (ADHD-200) のハイブリッド データセットに対して、4 つのサイトからの 791 サンプルを使用した相互対抗実験プロトコルを設計します。
結果は、さまざまな指標における優位性を示しています。
当社の OpenNDD は、精度が 77.38%、AUROC が 75.53%、オープンセット分類率が 59.43% という、有望なパフォーマンスを達成しました。

要約(オリジナル)

Neurodevelopmental disorders (NDDs) are a highly prevalent group of disorders and represent strong clinical behavioral similarities, and that make it very challenging for accurate identification of different NDDs such as autism spectrum disorder (ASD) and attention-deficit hyperactivity disorder (ADHD). Moreover, there is no reliable physiological markers for NDDs diagnosis and it solely relies on psychological evaluation criteria. However, it is crucial to prevent misdiagnosis and underdiagnosis by intelligent assisted diagnosis, which is closely related to the follow-up corresponding treatment. In order to relieve these issues, we propose a novel open set recognition framework for NDDs screening and detection, which is the first application of open set recognition in this field. It combines auto encoder and adversarial reciprocal points open set recognition to accurately identify known classes as well as recognize classes never encountered. And considering the strong similarities between different subjects, we present a joint scaling method called MMS to distinguish unknown disorders. To validate the feasibility of our presented method, we design a reciprocal opposition experiment protocol on the hybrid datasets from Autism Brain Imaging Data Exchange I (ABIDE I) and THE ADHD-200 SAMPLE (ADHD-200) with 791 samples from four sites and the results demonstrate the superiority on various metrics. Our OpenNDD has achieved promising performance, where the accuracy is 77.38%, AUROC is 75.53% and the open set classification rate is as high as 59.43%.

arxiv情報

著者 Jiaming Yu,Zihao Guan,Xinyue Chang,Xiumei Liu,Zhenshan Shi,Changcai Yang,Riqing Chen,Lanyan Xue,Lifang Wei
発行日 2023-06-28 09:28:33+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.LG パーマリンク