乳がん診断の為の機械学習分類手法

Machine Learning Classification Techniques for Breast Cancer Diagnosis
David A. Omondiagbe , Shanmugam Veeramani , Amandeep S. Sidhu
Materials Science and Engineering vol.495, 2019, pp.012033

“乳がんは,最も知られている疾患の1つであり,女性の癌による死亡第2位を占めている. 癌性の悪性のしこりが乳房細胞から増殖し始めると、乳がんが始まる.
医師は悪性腫瘍として良性腫瘍(非ガン性)を誤って診断することがある. 乳癌の正確な診断を提供するために機械学習アプローチを使用するコンピュータ支援検出(CAD)システムが必要とされている.
これらのCADシステムは、乳がんの早期発見に役立つ.乳がんが早期に検出されると、より良い治療が提供されるため,生存率が上昇する.本稿では,Wisconsin Diagnostic Breast Cancer(WDBC)データセットを使用して,サポートベクターマシン(放射基底カーネルを使用),人工ニューラルネットワーク,およびナイーブベイズを調査することを目的としている.本稿の焦点は,これらの機械学習技術を特徴選択/特徴抽出方法と統合し,それらの性能を比較して最適なアプローチを特定することである.目標は,次元削減と機械学習の利点を組み合わせることである.本論文は,線形判別分析(LDA)を用いて特徴の高次元性を減らし,次に新しい縮小特徴データセットをSupport Vector Machineに適用することによる乳癌診断のためのハイブリッドアプローチを提案した. 提案されたアプローチは,98.82%の精度,98.41%の感度,99.07%の特異度,および0.9994の受信者動作特性曲線下面積を得た.”

ヒトの脳画像に基づく parcellation

Imaging-based parcellations of the human brain
Simon B. Eickhoff, B T Thomas Yeo, Sarah Genon Nature Reviews Neuroscience, vol.19, No. 11, pp. 672-686, 2018

定義づけられた脳組織の形状は,空間的不均一性を持ち,異なるスケールで複数の地形を生じさせる.明確な 脳の区分定義である parcellation は,領域間で密接に相互作用するが,複数の不連続性を含む領域やネットワーク になり,脳組織または機能を理解するための基本となる.過去 10 年間で,構造的および機能的マーカーに加えて, 脳組織の局所的性質から遠大な結合パターンまで,さまざまな機能に基づいて脳を識別および分割するための in vivo MRI ベースの豊富なアプローチが爆発的に増加している.これらのさまざまなアプローチに多様性が大きい ことを考えると,これらのマップ間の収束と発散を評価することは困難である.個体間のばらつきはこの課題を 増大させるが,個体間と発展的 parcellation 研究を組み合わせることでまた新たな発見にむけたチャンスを提供で きるかもしれない.

早期胃癌に対する拡大内視鏡単純診断アルゴリズム(MESDA-G)

Magnifying endoscopy simple diagnostic algorithm for early gastric cancer (MESDA-G)
Manabu Muto, Kenshi Yao, Mitsuru Kaise, Mototsugu Kato, Noriya Uedo, Kazuyoshi Yagi and Hisao Tajiri Digestive Endoscopy 2016, 28, pp. 379-393, 2016

胃がんは,世界中でがんによる死亡の 3 番目に多い原因である.早期胃がん患者の原因別生存率は 95 %を超え ると報告されているが,死亡率を低下させるためには,粘膜癌の早期発見と正確な診断が望ましい.内視鏡検査 は早期がんを発見するための機能的な方法である.ただし,従来の白色光観察を使用する場合,この手順は決定 的なものではない.対照的に,新規の内視鏡技術である拡大狭帯域光観察(M-NBI)は,微小血管構造と微小表 面構造を視覚化できるため,胃粘膜病変を特徴付けるための強力なツールである.これまでにも,日本で行われ た多施設前向き無作為試験を含む,M-NBI による早期胃がんの診断に関する多くの報告が査読付き国際ジャーナ ルで発表されている.これらの公表されたデータに基づいて,我々は診断のプロセスを単純化しそして正確さを 改善するために M-NBI を使用して胃粘膜癌のための診断体系を考案した.そこで本稿では,拡大内視鏡検査を用 いた早期胃がんの診断アルゴリズムについて述べる.

ワーキングメモリトレーニングがもたらす前頭部の活動は通常の高齢者と軽度認知障害を予測する可能性

Prefrontal activation may predict working-memory training gain in normal aging and mild cognitive impairment
A. Vermeij, R.P. Kessels, L. Heskamp, E.M. Simons, P.L. Dautzenberg and J.A. Claassen
Brain imaging and behavior, vol. 11, no. 1, pp. 141−154, 2017

認知訓練は, 正常な加齢と軽度認知障害(MCI) の行動パフォーマンスの改善をもたらすことが示されているが, 認知可塑性の神経相関, または認知訓練に対する反応性の個人差についてはほとんど知られていない. この研究では, 21 人の健康な高齢者と14 人のMCI 患者が5 週間の適応型コンピューター化作業記憶(WM)トレーニングを受けた. トレーニングの前後に, 機能的近赤外線分光法(fNIRS) を使用し, さまざまなレベルのWM 負荷の言語n-back の実行中に左右の前頭前野の血行動態反応を評価した. トレーニング後, 健康な高齢者は, 高WM 負荷で前頭前野の活性化の低下を示した. これは, 処理効率の向上を示している可能性がある. MCI 患者はトレーニング後の低WM 負荷で行動パフォーマンスが改善したが, トレーニングに関連した前頭前野活性化の変化の証拠はなかった. 全群分析では, 低WM負荷での比較的強い血行力学的反応はより悪い行動パフォーマンスに関連し, 高WM負荷での比較的強い血行力学的反応はより高いトレーニング効果に関連することが示された. したがって, 高齢の”若者のような”前頭前野活性化パターンは, より良い行動結果と認知的可塑性と関連している可能性がある.

応援がプレイヤーと観察者の感覚運動野間の脳間同期を向上する

Cheering Enhances Inter-Brain Synchronization Between Sensorimotor Areas of Player and Observer
T. Koide and S. Shimada Japanese Psychological Research, vol. 60, no. 4, pp. 265-275, 2018.

他の人を応援することは一般的な経験である.応援は,応援される人と応援者の主観的な団結を促進する可能 性があり,潜在的に 2 人の個人の脳間同期した活動を伴う.現在の研究では,機能的近赤外分光法を使用して,競 争的なゲーム時におけるプレイヤーと観察者の運動感覚野の活動を同時に計測した.プレイヤーは実験者とじゃ んけんを行い,観察者はそのプレイヤーを応援するか(応援グループ),プレイヤーが不正行為をしたかどうかを 判断した(コントロールグループ).応援グループでは,コントロールグループと比較して,観察者はプレイヤー との一体感が有意に強く,プレイヤーの勝利を観察する際により大きな運動感覚野の活性化を示した.プレイヤー と観察者の感覚運動野間の機能的結合は応援グループで有意に大きく,プレイヤーと観察者間の主観的な一体感 と有意な相関を示した.これらの結果は,応援がプレイヤーと観察者の内部状態の同期を強化し,一体感を確立 することを示唆する.

受容者の感情に対する共感的社会的反応の影響

Effects of empathic social responses on the emotions of the recipient
Seehausen, Maria and Kazzer, Philipp and Bajbouj, Malek and Heekeren, Hauke R and Jacobs, Arthur M and Klann-Delius, Gisela and Menninghaus, Winfried and Prehn, Kristin
Brain and cognition, vol.103, pp.50‾61, 2016

共感は社会的行動に非常に関連性があり,発声する共感と関心(感情的な共感)によって,また他人の思考と感情を精神的に再構築して言い換えたり述べたりすることで言葉で表現できる.この研究では,否定的なパフォーマンスフィードバック後の共感的社会的反応を受け取ることの感情的影響と神経相関を調査し,感情的対認知的共感的コメントの効果を比較した.20人の参加者(10人の男性)は,認知課題に対してパフォーマンスの否定的なフィードバックを受けながら,機能的磁気共鳴画像診断を受けた.パフォーマンスフィードバックの後に,認知的および感情的な共感を表現するか,共感の欠如を示す口頭のコメントが続いた.共感的なコメントは,一般的に否定的な自己報告感情とより穏やかな呼吸につながった.神経レベルでは,共感的コメントは,社会的認知および感情処理に関連する領域,特に右中枢後脳回および左小脳,右中枢前脳回,左下前頭回の手術部,および左中側頭葉の活動を誘発した.この研究は,認知的および感情的に共感的なコメントが部分的に分離可能な神経系で処理されるように見えることを示している.さらに,同じ主題に関する別の研究を確認および拡大し,現在の結果は,認知的共感の社会的表示が,感情的共感的反応と同様に,苦痛の状態での受容者の感情にほぼプラスの効果を発揮することを示している.これは,専門的公平性を維持しながら強い否定的な感情をエスカレートする必要がある.専門的の設定に関連する可能性があり,感情的な共感ではなく認知の表示を可能にする場合がある.

自発的なデフォルトネットワークの活動は注意散漫状態から独立した行動の変動性を反映する

Spontaneous default network activity reflects behavioral variability independent of mind-wandering
Aaron Kucyi, Michael Esterman, Clay S. Riley, Eve M. Valera PNAS, vol.113, pp.13899-13904, 2016

脳のデフォルトモードネットワーク(DMN)は、覚醒時の休憩中に、感覚刺激や外部指向のタスクに過度に関与していないときに非常に活動的になる。複数の状況において、自発的なDMN活動の増加は、自己喚起された注意散漫状態のエピソード、または現在の感覚環境とは無関係な思考に関連付けられている。注意散漫状態は、歩んだ人生の多くを特徴づけ、多くの場合、エラーが発生しやすい可変の動作に関連付けられている。ただし、自然発生的なDMN活動の増加は、可変ではなく安定した動作にも確実に関連付けられている。この矛盾と思われるものに対処し、自己喚起または行動に基づく注意状態の単一の測定値だけでは、DMN活動の変動を説明するには不十分であるという仮説を検証することを目指した。したがって、注意のゆらぎを検出するために最適化された独自の継続的なパフォーマンスタスク中に、fMRIを使用して、さまざまなレベルの自己喚起された注意散漫状態、行動の変動、および脳活動を同時に測定した。注意散漫状態は行動の変動性の増加と共起するが、最高のDMN信号レベルは、単一の要因のみを考慮する場合と比較して、安定した行動と同時に激しい注意散漫状態によって最もよく説明されることがわかった。これらの脳と行動と経験の関係は、既知のDMNサブシステム内およびDMN領域間で非常に一貫性があった。対照的に、このような関係は他の注意関連ネットワーク(salience、背側注意、および前頭頭頂制御ネットワーク)の逆だった。私たちの結果は、自発的なDMN活動が明確に反映する認知プロセスは、注意散漫状態と部分的にのみ関連し、自己喚起では捕捉されない注意状態の変動も含むことを示唆している。

脳ネットワークを比較するためのdifference degree(次数) test

A difference degree test for comparing brain networks
Ixavier A. Higgins, Suprateek Kundu, Ki Sueng Choi, Helen S. Mayberg, Ying Guo Human Brain Mapping

最近,精神障害のバイオマーカーとして機能的結合性を調査する方法が急増している.典型的なアプローチには,各エッジでの大規模な単変量テスト,またはネットワーク指標の比較による,異なるトポロジ機能の特定が含まれる.これらの方法の制限として,比較の数が多いために統計的検出力が低く,ネットワークの全体的な違いをローカルの変動に起因させることが困難であることが含まれる.私たちはそれぞれのネットワークの各領域に入射するエッジの数である次数を捉える方法を提案する.我々のdiffrence degree test(DDT)は,かなりの数の差分重み付きエッジ(DWE)に付随する脳領域を識別するための2段階の手順である.最初に,DWEを識別するデータ適応しきい値を選択し,続いて各脳領域に入射するDWEの数の統計テストを行う.これを実現するには,Hirschberger-Qi-Steuerアルゴリズムを使用して,観測された異なるネットワークの1段階目と2段階目の瞬間に一致する適切な一連のヌルネットワークを生成する.この定式化により,脳機能とは無関係な方法で領域間結合性を算出する相関測定によって引き起こされるニュイサンスなトポロジーから,ネットワークの真のトポロジーを分離することができる.シミュレーションでは,提案されたアプローチは,接続された関心領域の検出において競合する方法よりも優れていた.うつ病性障害のデータセットへのDDTの適用は,この反芻性障害に一般的に関与するデフォルトモードネットワークの脳領域の識別につながる.

閾値を超えた脳機能ネットワーク測定の(不)安定性

The (in)stability of functional brain network measures across thresholds
Kathleen A. Garrison, Dustin Scheinost, Emily S. Finn, Xilin Shen , R. Todd Constable NeuroImage Volume 118, September 2015, Pages 651-661.

脳の大規模な組織化は,グラフ理論からのネットワーク測度を用いて定量化することができる複雑なネットワークの特徴を有する.しかし,多くのネットワーク尺度はバイナリグラフ上で計算されるように設計されているのに対して,脳機能ネットワークの構築は典型的には脳領域間の時間信号における相関の連続的な尺度から推定される.閾値処理は,機能的結合性のデータから派生したバイナリグラフを使用するために必要な手順である.ただし,現在どのような閾値を使用するかについてはコンセンサスが得られておらず,ネットワーク対策とグループの対比は閾値を超えて不安定になる可能性がある.それにもかかわらず,全脳ネットワーク解析は,一般的に任意の閾値または閾値の範囲で報告された発見とともに広く適用されている.本研究は,レスト状態の機能的結合性のデータセットにおける閾値を超えたネットワーク尺度の安定性を評価しようとした.ネットワーク尺度は,絶対(相関ベース)と比例(希薄ベース)の閾値で評価され,性別と年齢層の間で比較された.全体として,ネットワーク測定は絶対閾値を超えて不安定であることがわかった.例えば,所与のネットワーク測定におけるグループ差の傾向は,閾値に応じて変わり得る.ネットワーク測定は,比例閾値を超えてより安定していることがわかった.これらの結果は,機能的結合性データに閾値を適用するとき,およびバイナリーグラフモデルからの結果を解釈するときには注意が必要であることを示している.

尤度のない分子グラフの推論と生成

Likelihood-Free Inference and Generation of Molecular Graphs
Sebastian Polsterl, Christian Wachinger arXiv:1905.10310

新規分子を生成するための近年の手法は,分子のグラフ表現の利用と推論のために様々な形態のグラフ畳み込みニューラルネットワークを採用している.しかしながら,訓練は高度なグラフ同型性問題を解くことを必要とし,これまでのアプローチは問題に対して近似的にしか対処や解決しなかった.本研究では,再構成ロスを明示的に計算することを回避するde novo分子生成のための尤度のないアプローチを用いたLF-MolGANを提案する.我々のアプローチは,暗黙のうちに再構成特性を強化するために敵対的なcycle consistencyロスの計算を含めることにより,敵対的生成ネットワークを拡張した.原子価などの分子固有の特性を捉えるために,Graph Isomorphism Networkをマルチグラフに拡張する.モデルの性能を定量化するために,我々は1-Wasserstein距離を用いて物理化学的特性の分布間の距離を計算することを提案する.我々は,LF-MolGANが全てのベースラインよりも分子の空間上の分布をより正確に学習することを証明します.さらに,分子の連続的な潜在空間表現を用いて分子の空間を効率的に探索することによって創薬に利用することが可能である.