Fugu-MT 論文翻訳(概要): MRI Images Analysis Method for Early Stage Alzheimer's Disease Detection

論文の概要: MRI Images Analysis Method for Early Stage Alzheimer's Disease Detection

arxiv url: http://arxiv.org/abs/2012.00830v1
Date: Fri, 27 Nov 2020 12:36:36 GMT
ステータス: 処理完了
システム内更新日: 2022-09-20 01:55:19.597861
Title: MRI Images Analysis Method for Early Stage Alzheimer's Disease Detection
Title（参考訳）: 早期アルツハイマー病検出のためのMRI画像解析法
Authors: Achraf Ben Miled, Taoufik Yeferny, and Amira ben Rabeh
Abstract要約: この疾患の早期診断は、ミルド認知障害(MCI: Mild Cognitive Impairment)と呼ばれる予備段階の検出によって、依然として困難な問題である。本稿では,MRI画像から最も顕著な特徴を自動的に抽出するために,事前学習ネットワークAlexNetを実装した強力な分類アーキテクチャを提案する。提案手法は,正常210例とMRI210例の420例を用いて96.83%の精度を達成した。
参考スコア（独自算出の注目度）: 0.28675177318965034
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Alzheimer's disease is a neurogenerative disease that alters memories, cognitive functions leading to death. Early diagnosis of the disease, by detection of the preliminary stage, called Mild Cognitive Impairment (MCI), remains a challenging issue. In this respect, we introduce, in this paper, a powerful classification architecture that implements the pre-trained network AlexNet to automatically extract the most prominent features from Magnetic Resonance Imaging (MRI) images in order to detect the Alzheimer's disease at the MCI stage. The proposed method is evaluated using a big database from OASIS Database Brain. Various sections of the brain: frontal, sagittal and axial were used. The proposed method achieved 96.83% accuracy by using 420 subjects: 210 Normal and 210 MRI
Abstract（参考訳）: アルツハイマー病(英: Alzheimer disease)は、記憶や認知機能を変える神経変性疾患である。この疾患の早期診断は、ミルド認知障害(MCI: Mild Cognitive Impairment)と呼ばれる予備段階の検出によって、依然として困難な問題である。本稿では,MCI 段階におけるアルツハイマー病を検出するために,MRI 画像から最も顕著な特徴を自動的に抽出する,事前学習ネットワーク AlexNet を実装した強力な分類アーキテクチャを提案する。 oasisデータベース脳の大規模データベースを用いて,提案手法を評価した。脳の様々な部分(前頭、矢状、軸)が用いられた。健常者210名とMRI210名を用いた96.83%の精度を実現した。

関連論文リスト

Early diagnosis of Alzheimer's disease from MRI images with deep learning model [0.7673339435080445]
アルツハイマー病は世界中で認知症の最も一般的な原因である。認知症の分類には、医学的履歴レビュー、神経心理学的テスト、MRI(MRI)などのアプローチが含まれる本稿では,AD画像から重要な特徴を抽出するために,事前学習した畳み込みニューラルネットワークをDEMNET認知ネットワークに適用する。
論文参考訳（メタデータ） (2024-09-27T15:07:26Z)
Alzheimers Disease Diagnosis by Deep Learning Using MRI-Based Approaches [0.0]
アルツハイマー病はいくつかの脳の過程(記憶など)を弱め、最終的に死に至る。ディープラーニングアルゴリズムは、入力された生データからパターン認識と特徴抽出を行うことができる。我々は,2021年から2023年にかけてのMRIに基づくディープラーニングアルゴリズムを用いて,アルツハイマー病の診断に焦点を当てた5つの特定の研究を分析した。
論文参考訳（メタデータ） (2023-10-26T19:48:08Z)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
Attention-based 3D CNN with Multi-layer Features for Alzheimer's Disease Diagnosis using Brain Images [21.514626584695897]
ResNetに基づくアルツハイマー病診断のためのエンドツーエンドの3D CNNフレームワークを提案する。我々のモデルは、疾患の診断に関連する重要な脳領域に焦点を絞ることができる。 792例の2つのモダリティ画像を用いたアブレーション実験で本法の有効性を確認した。
論文参考訳（メタデータ） (2023-08-10T15:53:35Z)
Transfer Learning and Class Decomposition for Detecting the Cognitive Decline of Alzheimer Disease [0.0]
本稿では,SMRI画像からアルツハイマー病を検出するためのクラス分解を用いた転写学習手法を提案する。提案モデルは,アルツハイマー病 (AD) と軽度認知障害 (MCI) と認知正常 (CN) の分類課題における最先端の成績を,文献から3%の精度で達成した。
論文参考訳（メタデータ） (2023-01-31T09:44:52Z)
Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文参考訳（メタデータ） (2022-09-22T04:17:57Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2022-01-31T09:39:52Z)
Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文参考訳（メタデータ） (2021-05-18T11:37:57Z)
Deep Convolutional Neural Network based Classification of Alzheimer's Disease using MRI data [8.609787905151563]
アルツハイマー病(Alzheimer's disease、AD)は、脳細胞を破壊し、患者の記憶に損失を引き起こす進行性および不治性の神経変性疾患である。本稿では,不均衡な3次元MRIデータセットを用いた2次元深部畳み込みニューラルネットワーク(2D-DCNN)によるADの診断手法を提案する。このモデルはMRIをAD、軽度認知障害、正常制御の3つのカテゴリに分類し、99.89%の分類精度を不均衡クラスで達成した。
論文参考訳（メタデータ） (2021-01-08T06:51:08Z)
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文参考訳（メタデータ） (2020-05-08T02:29:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。