論文の概要: Biceph-Net: A robust and lightweight framework for the diagnosis of
Alzheimer's disease using 2D-MRI scans and deep similarity learning
- arxiv url: http://arxiv.org/abs/2203.12197v1
- Date: Wed, 23 Mar 2022 05:14:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 05:44:08.233693
- Title: Biceph-Net: A robust and lightweight framework for the diagnosis of
Alzheimer's disease using 2D-MRI scans and deep similarity learning
- Title（参考訳）: Biceph-Net : 2D-MRIスキャンと深い類似性学習を用いたアルツハイマー病診断のための頑健で軽量なフレームワーク
- Authors: A. H. Rashid, A. Gupta, J. Gupta, M. Tanveer
- Abstract要約: アルツハイマー病(英語: Alzheimer's Disease, AD)は、高齢者において重要な死因の1つである神経変性疾患である。
磁気共鳴イメージング(MRI)スキャンを用いてADを診断する深層学習技術が提案されている。
本稿では,2次元MRIスキャンを用いたAD診断のための新しい軽量フレームワークであるBiceph-Netを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Alzheimer's Disease (AD) is a neurodegenerative disease that is one of the
significant causes of death in the elderly population. Many deep learning
techniques have been proposed to diagnose AD using Magnetic Resonance Imaging
(MRI) scans. Predicting AD using 2D slices extracted from 3D MRI scans is
challenging as the inter-slice information gets lost. To this end, we propose a
novel and lightweight framework termed 'Biceph-Net' for AD diagnosis using 2D
MRI scans that model both the intra-slice and inter-slice information.
Biceph-Net has been experimentally shown to perform similar to other
Spatio-temporal neural networks while being computationally more efficient.
Biceph-Net is also superior in performance compared to vanilla 2D convolutional
neural networks (CNN) for AD diagnosis using 2D MRI slices. Biceph-Net also has
an inbuilt neighbourhood-based model interpretation feature that can be
exploited to understand the classification decision taken by the network.
Biceph-Net experimentally achieves a test accuracy of 100% in the
classification of Cognitively Normal (CN) vs AD, 98.16% for Mild Cognitive
Impairment (MCI) vs AD, and 97.80% for CN vs MCI vs AD.
- Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's Disease, AD)は、高齢者において重要な死因の1つである神経変性疾患である。
磁気共鳴イメージング(MRI)スキャンを用いてADを診断するために多くのディープラーニング技術が提案されている。
3次元MRIスキャンから抽出した2Dスライスを用いたAD予測は、スライス間の情報が失われるにつれて困難である。
そこで本研究では,スライス内情報とスライス間情報の両方をモデル化した2次元MRIスキャンを用いて,AD診断のための新しい軽量フレームワークであるBiceph-Netを提案する。
Biceph-Netは、計算効率が良く、他の時空間ニューラルネットワークとよく似た性能を示すことが実験的に示されている。
Biceph-Netは2次元MRIスライスを用いたAD診断において、バニラ2D畳み込みニューラルネットワーク(CNN)よりも性能が優れている。
biceph-netには、ネットワークが取る分類判断を理解するために活用できる、組み込みのneighborhoodベースのモデル解釈機能もある。
Biceph-Netは、Cognitively Normal (CN) vs ADの分類において100%の精度、Mild Cognitive Impairment (MCI) vs ADの98.16%、CN vs MCI vs ADの97.80%を実験的に達成している。
関連論文リスト
- AD-Lite Net: A Lightweight and Concatenated CNN Model for Alzheimer's Detection from MRI Images [1.8749305679160366]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、ヒトの脳に影響を及ぼす非硬化性進行性神経変性疾患であり、記憶力、認知能力の低下、そして最終的には日常的な作業を行う能力の低下につながる。
早期のアルツハイマー病を高い精度で検出できるCADシステムが必要である。
我々は、上記の問題を緩和できる新しいAD-Lite Netモデル(スクラッチから訓練)を提案している。
論文 参考訳（メタデータ） (2024-09-12T16:00:51Z) - 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) - Is a PET all you need? A multi-modal study for Alzheimer's disease using
3D CNNs [3.678164468512092]
アルツハイマー病(Alzheimer's Disease, AD)は、認知症の最も一般的な形態であり、認知症の多因子因果関係により診断が困難であることが多い。
神経画像を用いた深部神経ネットワーク(DNN)を用いたコンピュータ支援診断の最近の研究は、構造的磁気共鳴画像(sMRI)とフルオロデオキシグルコースポジトロン放射断層撮影(FDG-PET)を融合させることにより、ADの健康管理と被験者の集団において精度が向上することを示した。
今後のマルチモーダル融合の取り組みは,提案した評価枠組みに従って,個別のモダリティの貢献を体系的に評価すべきである,と論じる。
論文 参考訳（メタデータ） (2022-07-05T14:55:56Z) - CNN-based fully automatic wrist cartilage volume quantification in MR
Image [55.41644538483948]
追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。
非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
論文 参考訳（メタデータ） (2022-06-22T14:19:06Z) - 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised
Anomaly Segmentation in Brain MRI [55.97060983868787]
我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。
本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。
入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
論文 参考訳（メタデータ） (2021-09-14T09:17:27Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳（メタデータ） (2021-06-06T07:11:25Z) - DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI
Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。
提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文 参考訳（メタデータ） (2021-05-17T15:43:59Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - 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) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z) - Explainable Deep CNNs for MRI-Based Diagnosis of Alzheimer's Disease [3.3948742816399693]
脳磁気共鳴画像(MRI)を用いたアルツハイマー病(AD)の半自動診断モデルとして,Deep Convolutional Neural Networks(CNN)が注目されている。
脳スキャンタスクに特化して設計された別の説明法を提案する。
スワップテスト(Swap Test)と呼ばれる本手法は,ADを最も表す脳の領域を表わしたヒートマップを作成し,臨床医に理解可能な形式でモデル決定の解釈可能性を提供する。
論文 参考訳（メタデータ） (2020-04-25T18:14:49Z)
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。