脳画像とゲノムデータの統合解析に関する最近の成果
0 views
Skip to first unread message
Lin Gu
Jun 27, 2024, 3:31:10 AMJun 27
to im...@imageforum.org
Image-MLの皆様
理研AIPの谷ともします。
7月1日（月）13:00から、
テュレーン大学（Tulane University）の
Yu-Ping Wang教授に以下の内容で講演をしていただきます。
Yu-Ping Wang教授は、
神経科学に関する分野における著名な研究者です。
今回のセミナーはハイブリッド開催となり、使用言語は英語です。
講演タイトル: Interpretable multimodal deep learning with application to brain imaging and genomics data fusion
（脳画像とゲノムデータの統合解析に関する最近の成果）
講演者: Prof. Yu-Ping Wang at Tulane University
時間: 7月1日（月） 13:00-14:00
実施形態: ハイブリッド
オンライン：
https://c5dc59ed978213830355fc8978.doorkeeper.jp/events/174263
対面参加：
東京都目黒区駒場4丁目6番1号 東京大学駒場リサーチキャンパス 先端研４号館４階４２４室
Abstract: Deep network-based data fusion models have been developed to integrate complementary information from multi-modal datasets while capture their complex relationships. This is particularly useful in biomedical domain, where multi-modal data such as imaging and multi-omics are ubiquitous and the integration of these heterogenous data can lead to novel biological findings. However, deep learning models are often difficult to interpret, bringing about challenges for uncovering biological mechanisms using these models. In this work, we develop an interpretable multimodal deep learning-based fusion model to perform automated disease diagnosis and result interpretation simultaneously. We name it Grad-CAM guided convolutional collaborative learning (gCAM-CCL), which is achieved by combining intermediate feature maps with gradient-based weights in a multi-modal convolution network. The gCAM-CCL model can generate interpretable activation maps to quantify pixel-level contributions of the input fMRI imaging features. Moreover, the estimated activation maps are class-specific, which can therefore facilitate the identification of imaging biomarkers underlying different populations such as age, gender and cognitive groups. Finally, we apply and validate the gCAM-CCL model in the study of brain development with integrative analysis of multi-modal brain imaging and genomics data. We demonstrate its successful application to both the classification of cognitive function groups and the discovery of underlying genetic mechanisms.
講演概要：
ディープネットワークベースのデータ融合モデルは、マルチモーダルデータセットから補完的な情報を統合し、その複雑な関係を捉えるために開発されてきました。これは、画像やマルチオミクスなどのマルチモーダルデータが普及している生物医学分野で特に有用であり、これらの異質なデータの統合により、新しい生物学的発見が得られます。しかし、ディープラーニングモデルはしばしば解釈が難しく、これらのモデルを用いて生物学的メカニズムを解明する際に課題が生じます。本研究では、自動化された疾病診断と結果の解釈を同時に行う解釈可能なマルチモーダルディープラーニングベースの融合モデルを開発しました。このモデルを「Grad-CAMガイド付き畳み込み協調学習（gCAM-CCL）」と名付けました。これは、マルチモーダル畳み込みネットワークにおける中間特徴マップを勾配ベースの重みと組み合わせることで実現されます。gCAM-CCLモデルは、入力されたfMRI画像のピクセルレベルの寄与を定量化する解釈可能なアクティベーションマップを生成できます。さらに、推定されたアクティベーションマップはクラス固有であるため、年齢、性別、認知グループなどの異なる集団に基づくイメージングバイオマーカーの特定を促進できます。最後に、このモデルをマルチモーダル脳画像とゲノムデータの統合解析による脳発達研究に適用し検証しました。認知機能グループの分類と基礎となる遺伝的メカニズムの発見における成功例を示します。
Bio: Dr. Yu-Ping Wang received the BS degree in applied mathematics from Tianjin University, China, in 1990, and the MS degree in computational mathematics and the PhD degree in communications and electronic systems from Xi’an Jiaotong University, China, in 1993 and 1996, respectively. After his graduation, he had visiting positions at the Center for Wavelets, Approximation and Information Processing of the National University of Singapore and Washington University Medical School in St. Louis. From 2000 to 2003, he worked as a senior research engineer at Perceptive Scientific Instruments, Inc., and then Advanced Digital Imaging Research, LLC, Houston, Texas. In the fall of 2003, he returned to academia as an assistant professor of computer science and electrical engineering at the University of Missouri-Kansas City. He is currently a Professor of Biomedical Engineering, Computer Sciences, Neurosciences, and Biostatistics & Data Sciences at Tulane University. Dr. Wang’s recent effort has been bridging the gap between biomedical imaging and genomics, where has over 300 peer reviewed publications and received a “Convergence Award” given by Tulane University in 2022. Dr. Wang is a fellow of AIMBE and has served for numerous program committees and NSF and NIH review panels. He is currently an associate editor for J. Neuroscience Methods, IEEE/ACM Trans. Computational Biology and Bioinformatics (TCBB) and IEEE Trans. Medical Imaging (TMI). More about his research can be found at his website: https://sse.tulane.edu/yu-ping-wang
略歴：
Dr. Yu-Ping Wangは、1990年に中国の天津大学で応用数学の学士号を取得し、1993年と1996年にそれぞれ中国の西安交通大学で計算数学の修士号と通信および電子システムの博士号を取得しました。卒業後、シンガポール国立大学のウェーブレット、近似および情報処理センターおよびセントルイスのワシントン大学医学校で客員研究員を務めました。2000年から2003年まで、Perceptive Scientific Instruments, Inc.およびAdvanced Digital Imaging Research, LLCでシニアリサーチエンジニアとして勤務しました。2003年秋、ミズーリ大学カンザスシティ校のコンピュータサイエンスおよび電気工学の助教授として学界に戻りました。現在、Tulane Universityの生物医学工学、コンピュータサイエンス、神経科学、およびバイオ統計・データサイエンスの教授を務めています。Dr. Wangの最近の研究は、生物医学画像とゲノミクスのギャップを埋めることに注力しており、300以上の査読付き論文を発表し、2022年にはTulane Universityから「Convergence Award」を受賞しました。Dr. WangはAIMBEのフェローであり、数多くのプログラム委員会およびNSFやNIHのレビューパネルで活動してきました。現在、J. Neuroscience Methods、IEEE/ACM Trans. Computational Biology and Bioinformatics (TCBB)、およびIEEE Trans. Medical Imaging (TMI)のアソシエイトエディターを務めています。彼の研究についての詳細は彼のウェブサイトをご覧ください https://sse.tulane.edu/yu-ping-wang
皆様のご参加をお待ちしております。
よろしくお願いいたします。
谷林
理研AIPの谷ともします。
7月1日（月）13:00から、
テュレーン大学（Tulane University）の
Yu-Ping Wang教授に以下の内容で講演をしていただきます。
Yu-Ping Wang教授は、
神経科学に関する分野における著名な研究者です。
今回のセミナーはハイブリッド開催となり、使用言語は英語です。
講演タイトル: Interpretable multimodal deep learning with application to brain imaging and genomics data fusion
（脳画像とゲノムデータの統合解析に関する最近の成果）
講演者: Prof. Yu-Ping Wang at Tulane University
時間: 7月1日（月） 13:00-14:00
実施形態: ハイブリッド
オンライン：
https://c5dc59ed978213830355fc8978.doorkeeper.jp/events/174263
対面参加：
東京都目黒区駒場4丁目6番1号 東京大学駒場リサーチキャンパス 先端研４号館４階４２４室
Abstract: Deep network-based data fusion models have been developed to integrate complementary information from multi-modal datasets while capture their complex relationships. This is particularly useful in biomedical domain, where multi-modal data such as imaging and multi-omics are ubiquitous and the integration of these heterogenous data can lead to novel biological findings. However, deep learning models are often difficult to interpret, bringing about challenges for uncovering biological mechanisms using these models. In this work, we develop an interpretable multimodal deep learning-based fusion model to perform automated disease diagnosis and result interpretation simultaneously. We name it Grad-CAM guided convolutional collaborative learning (gCAM-CCL), which is achieved by combining intermediate feature maps with gradient-based weights in a multi-modal convolution network. The gCAM-CCL model can generate interpretable activation maps to quantify pixel-level contributions of the input fMRI imaging features. Moreover, the estimated activation maps are class-specific, which can therefore facilitate the identification of imaging biomarkers underlying different populations such as age, gender and cognitive groups. Finally, we apply and validate the gCAM-CCL model in the study of brain development with integrative analysis of multi-modal brain imaging and genomics data. We demonstrate its successful application to both the classification of cognitive function groups and the discovery of underlying genetic mechanisms.
講演概要：
ディープネットワークベースのデータ融合モデルは、マルチモーダルデータセットから補完的な情報を統合し、その複雑な関係を捉えるために開発されてきました。これは、画像やマルチオミクスなどのマルチモーダルデータが普及している生物医学分野で特に有用であり、これらの異質なデータの統合により、新しい生物学的発見が得られます。しかし、ディープラーニングモデルはしばしば解釈が難しく、これらのモデルを用いて生物学的メカニズムを解明する際に課題が生じます。本研究では、自動化された疾病診断と結果の解釈を同時に行う解釈可能なマルチモーダルディープラーニングベースの融合モデルを開発しました。このモデルを「Grad-CAMガイド付き畳み込み協調学習（gCAM-CCL）」と名付けました。これは、マルチモーダル畳み込みネットワークにおける中間特徴マップを勾配ベースの重みと組み合わせることで実現されます。gCAM-CCLモデルは、入力されたfMRI画像のピクセルレベルの寄与を定量化する解釈可能なアクティベーションマップを生成できます。さらに、推定されたアクティベーションマップはクラス固有であるため、年齢、性別、認知グループなどの異なる集団に基づくイメージングバイオマーカーの特定を促進できます。最後に、このモデルをマルチモーダル脳画像とゲノムデータの統合解析による脳発達研究に適用し検証しました。認知機能グループの分類と基礎となる遺伝的メカニズムの発見における成功例を示します。
Bio: Dr. Yu-Ping Wang received the BS degree in applied mathematics from Tianjin University, China, in 1990, and the MS degree in computational mathematics and the PhD degree in communications and electronic systems from Xi’an Jiaotong University, China, in 1993 and 1996, respectively. After his graduation, he had visiting positions at the Center for Wavelets, Approximation and Information Processing of the National University of Singapore and Washington University Medical School in St. Louis. From 2000 to 2003, he worked as a senior research engineer at Perceptive Scientific Instruments, Inc., and then Advanced Digital Imaging Research, LLC, Houston, Texas. In the fall of 2003, he returned to academia as an assistant professor of computer science and electrical engineering at the University of Missouri-Kansas City. He is currently a Professor of Biomedical Engineering, Computer Sciences, Neurosciences, and Biostatistics & Data Sciences at Tulane University. Dr. Wang’s recent effort has been bridging the gap between biomedical imaging and genomics, where has over 300 peer reviewed publications and received a “Convergence Award” given by Tulane University in 2022. Dr. Wang is a fellow of AIMBE and has served for numerous program committees and NSF and NIH review panels. He is currently an associate editor for J. Neuroscience Methods, IEEE/ACM Trans. Computational Biology and Bioinformatics (TCBB) and IEEE Trans. Medical Imaging (TMI). More about his research can be found at his website: https://sse.tulane.edu/yu-ping-wang
略歴：
Dr. Yu-Ping Wangは、1990年に中国の天津大学で応用数学の学士号を取得し、1993年と1996年にそれぞれ中国の西安交通大学で計算数学の修士号と通信および電子システムの博士号を取得しました。卒業後、シンガポール国立大学のウェーブレット、近似および情報処理センターおよびセントルイスのワシントン大学医学校で客員研究員を務めました。2000年から2003年まで、Perceptive Scientific Instruments, Inc.およびAdvanced Digital Imaging Research, LLCでシニアリサーチエンジニアとして勤務しました。2003年秋、ミズーリ大学カンザスシティ校のコンピュータサイエンスおよび電気工学の助教授として学界に戻りました。現在、Tulane Universityの生物医学工学、コンピュータサイエンス、神経科学、およびバイオ統計・データサイエンスの教授を務めています。Dr. Wangの最近の研究は、生物医学画像とゲノミクスのギャップを埋めることに注力しており、300以上の査読付き論文を発表し、2022年にはTulane Universityから「Convergence Award」を受賞しました。Dr. WangはAIMBEのフェローであり、数多くのプログラム委員会およびNSFやNIHのレビューパネルで活動してきました。現在、J. Neuroscience Methods、IEEE/ACM Trans. Computational Biology and Bioinformatics (TCBB)、およびIEEE Trans. Medical Imaging (TMI)のアソシエイトエディターを務めています。彼の研究についての詳細は彼のウェブサイトをご覧ください https://sse.tulane.edu/yu-ping-wang
皆様のご参加をお待ちしております。
よろしくお願いいたします。
谷林
----------------------------------------------
Lin GU, Ph.D (谷 林)
RIKEN AIP
Research Scientist
理化学研究所 革新知能統合研究センター(AIP)
医用機械知能チーム 研究員
----------------------------------------------
Reply all
Reply to author
Forward
0 new messages