論文の概要: Predicting Alzheimer's Disease Using 3DMgNet

• arxiv url: http://arxiv.org/abs/2201.04370v1
• Date: Wed, 12 Jan 2022 09:08:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-13 15:02:05.138519
• Title: Predicting Alzheimer's Disease Using 3DMgNet
• Title（参考訳）: 3DMgNetによるアルツハイマー病の予測
• Authors: Yelu Gao, Huang Huang, Lian Zhang
• Abstract要約: 3DMgNetはアルツハイマー病(AD)を診断するためのマルチグリッドと畳み込みニューラルネットワークの統合フレームワークである このモデルはADとNCの分類で92.133%の精度を達成し、モデルのパラメータを大幅に削減した。
• 参考スコア（独自算出の注目度）: 2.97983501982132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Alzheimer's disease (AD) is an irreversible neurode generative disease of the brain.The disease may causes memory loss, difficulty communicating and disorientation. For the diagnosis of Alzheimer's disease, a series of scales are often needed to evaluate the diagnosis clinically, which not only increases the workload of doctors, but also makes the results of diagnosis highly subjective. Therefore, for Alzheimer's disease, imaging means to find early diagnostic markers has become a top priority. In this paper, we propose a novel 3DMgNet architecture which is a unified framework of multigrid and convolutional neural network to diagnose Alzheimer's disease (AD). The model is trained using an open dataset (ADNI dataset) and then test with a smaller dataset of ours. Finally, the model achieved 92.133% accuracy for AD vs NC classification and significantly reduced the model parameters.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's disease、AD)は、脳の可逆性神経変性疾患である。 アルツハイマー病の診断には、医師の作業負荷を増加させるだけでなく、診断の結果が主観的になるような、臨床的に診断を評価するための一連の尺度が必要となることが多い。 したがって、アルツハイマー病では、早期診断マーカーを見つけるための画像診断が最優先事項となっている。 本稿では,アルツハイマー病(AD)の診断を目的とした,マルチグリッド・畳み込みニューラルネットワークの統合フレームワークである3DMgNetアーキテクチャを提案する。 モデルはオープンデータセット(adniデータセット)を使用してトレーニングされ、私たちの小さなデータセットでテストされます。 最後に、adとncの分類において92.133%の精度を達成し、モデルパラメータを大幅に削減した。

関連論文リスト

• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Introducing an ensemble method for the early detection of Alzheimer's disease through the analysis of PET scan images [0.8192907805418583]
  本研究は、アルツハイマー病を制御正常(CN)、進行性軽度認知障害(pMCI)、安定性軽度認知障害(sMCI)、アルツハイマー病(AD)の4つのグループに分類する難しい課題について考察する。 いくつかのディープラーニングモデルと伝統的な機械学習モデルがアルツハイマー病の検出に使われている。 その結果、深層学習モデルを用いてMCI患者間の差異を判断すると、全体の平均精度は93.13%、AUCは94.4%となることがわかった。
  論文  参考訳（メタデータ） (2024-03-17T16:12:50Z)
• Vision Transformers and Bi-LSTM for Alzheimer's Disease Diagnosis from 3D MRI [0.0]
  早期に診断された場合、アルツハイマー病(AD)を治療・治療することができる。 本研究では、視覚変換器(ViT)とバイLSTMを用いて、アルツハイマー病の診断のためのMRI画像の処理を提案する。 提案手法は,ADの診断のための精度,精度,Fスコア,リコールの点で良好に機能する。
  論文  参考訳（メタデータ） (2024-01-06T06:11:03Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Deep Multi-Branch CNN Architecture for Early Alzheimer's Detection from Brain MRIs [0.0]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、認知症を引き起こす神経変性疾患である。 7,866,819個のパラメータからなる深層畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 このモデルは、患者が99.05%の3段階の精度で、非段調、軽度段調、中等度段調であるかどうかを予測することができる。
  論文  参考訳（メタデータ） (2022-10-22T02:25:07Z)
• 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)
• Preclinical Stage Alzheimer's Disease Detection Using Magnetic Resonance Image Scans [10.120835953459247]
  アルツハイマー病(英語: Alzheimer's disease)は、高齢者に老化を伴わない病気の一つ。 早期にアルツハイマー病を検出することが重要である。
  論文  参考訳（メタデータ） (2020-11-28T14:25:30Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• 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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。