論文の概要: Attention-based 3D CNN with Multi-layer Features for Alzheimer's Disease
Diagnosis using Brain Images
- arxiv url: http://arxiv.org/abs/2308.05655v1
- Date: Thu, 10 Aug 2023 15:53:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-11 11:59:25.122349
- Title: Attention-based 3D CNN with Multi-layer Features for Alzheimer's Disease
Diagnosis using Brain Images
- Title(参考訳): 脳画像を用いたアルツハイマー病診断のための多層特徴を有する注意型3次元CNN
- Authors: Yanteng Zhang, Qizhi Teng, Xiaohai He, Tong Niu, Lipei Zhang, Yan Liu,
Chao Ren
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 21.514626584695897
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Structural MRI and PET imaging play an important role in the diagnosis of
Alzheimer's disease (AD), showing the morphological changes and glucose
metabolism changes in the brain respectively. The manifestations in the brain
image of some cognitive impairment patients are relatively inconspicuous, for
example, it still has difficulties in achieving accurate diagnosis through sMRI
in clinical practice. With the emergence of deep learning, convolutional neural
network (CNN) has become a valuable method in AD-aided diagnosis, but some CNN
methods cannot effectively learn the features of brain image, making the
diagnosis of AD still presents some challenges. In this work, we propose an
end-to-end 3D CNN framework for AD diagnosis based on ResNet, which integrates
multi-layer features obtained under the effect of the attention mechanism to
better capture subtle differences in brain images. The attention maps showed
our model can focus on key brain regions related to the disease diagnosis. Our
method was verified in ablation experiments with two modality images on 792
subjects from the ADNI database, where AD diagnostic accuracies of 89.71% and
91.18% were achieved based on sMRI and PET respectively, and also outperformed
some state-of-the-art methods.
- Abstract(参考訳): 構造MRIとPET画像はアルツハイマー病(AD)の診断において重要な役割を担い、脳の形態的変化と糖代謝の変化をそれぞれ示す。
例えば、一部の認知障害患者の脳画像における症状は比較的目立たないが、臨床におけるsmriによる正確な診断は困難である。
深層学習の出現に伴い、畳み込みニューラルネットワーク(CNN)はAD支援診断において貴重な手法となっているが、一部のCNN手法では脳画像の特徴を効果的に学習できないため、ADの診断は依然としていくつかの課題を呈している。
本研究では,ResNetに基づくAD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。
注意マップは,本モデルが疾患診断に関連する重要な脳領域に焦点をあてることができることを示した。
本手法はadniデータベースの792名を対象にしたアブレーション実験において, smriとpetを用いて89.71%, 91.18%のad診断精度をそれぞれ達成し, 最先端の手法を上回った。
関連論文リスト
- Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。
具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。
知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
論文 参考訳(メタデータ) (2024-07-31T04:32:43Z) - A Dual-Attention Aware Deep Convolutional Neural Network for Early Alzheimer's Detection [0.0]
アルツハイマー病(英: Alzheimer's disease、AD)は、神経変性の主要な形態であり、毎年何百万人もの人に影響を及ぼす。
ニューロイメージングデータからADを分類するための2重注意強化深層学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-07-15T17:22:16Z) - 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) - Attention-based Efficient Classification for 3D MRI Image of Alzheimer's
Disease [2.6793044027881865]
本研究では、畳み込みニューラルネットワークに基づくアルツハイマー病検出モデルを提案する。
実験結果から, 使用した2次元融合アルゴリズムは, モデルのトレーニングコストを効果的に向上させることが示された。
論文 参考訳(メタデータ) (2024-01-25T12:18:46Z) - 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) - Exploiting the Brain's Network Structure for Automatic Identification of
ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。
776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文 参考訳(メタデータ) (2023-06-15T16:22:57Z) - 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) - Interpretable Graph Convolutional Network of Multi-Modality Brain
Imaging for Alzheimer's Disease Diagnosis [14.894215698742924]
本稿では,アルツハイマー病の同定と分類のための解釈可能なグラフ畳み込みネットワークフレームワークを提案する。
我々はGrad-CAM法を用いて、GCNが同定した最も差別的な特徴を脳接続パターンから定量化した。
論文 参考訳(メタデータ) (2022-04-27T20:43:11Z) - Classification of ADHD Patients by Kernel Hierarchical Extreme Learning
Machine [4.168157981135698]
我々は,脳の機能的接続のダイナミクスを考察し,医療画像から機能的脳力学モデルをモデル化する。
本稿では,23人のADHD児と45人のNC児を対象に,fMRI画像データの比較を行った。
提案手法は既存の方法よりも優れた分類結果を得た。
論文 参考訳(メタデータ) (2022-02-18T01:32:55Z) - 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。
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。