Fugu-MT 論文翻訳(概要): A reproducible 3D convolutional neural network with dual attention module (3D-DAM) for Alzheimer's disease classification

論文の概要: A reproducible 3D convolutional neural network with dual attention module (3D-DAM) for Alzheimer's disease classification

arxiv url: http://arxiv.org/abs/2310.12574v1
Date: Thu, 19 Oct 2023 08:33:23 GMT
ステータス: 処理完了
システム内更新日: 2023-10-20 16:07:23.387331
Title: A reproducible 3D convolutional neural network with dual attention module (3D-DAM) for Alzheimer's disease classification
Title（参考訳）: アルツハイマー病分類のための二重注意モジュール(3D-DAM)を用いた再現性3D畳み込みニューラルネットワーク
Authors: Gia Minh Hoang, Youngjoo Lee and Jae Gwan Kim
Abstract要約: 本稿では,アルツハイマー病分類のための2つの注意モジュールを備えた3次元畳み込みニューラルネットワークを提案する。このモデルをADNIデータベースでトレーニングし、2つの独立したデータセットで本手法の一般化性を検証する。
参考スコア（独自算出の注目度）: 1.7495213911983414
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Alzheimer's disease is one of the most common types of neurodegenerative disease, characterized by the accumulation of amyloid-beta plaque and tau tangles. Recently, deep learning approaches have shown promise in Alzheimer's disease diagnosis. In this study, we propose a reproducible model that utilizes a 3D convolutional neural network with a dual attention module for Alzheimer's disease classification. We trained the model in the ADNI database and verified the generalizability of our method in two independent datasets (AIBL and OASIS1). Our method achieved state-of-the-art classification performance, with an accuracy of 91.94% for MCI progression classification and 96.30% for Alzheimer's disease classification on the ADNI dataset. Furthermore, the model demonstrated good generalizability, achieving an accuracy of 86.37% on the AIBL dataset and 83.42% on the OASIS1 dataset. These results indicate that our proposed approach has competitive performance and generalizability when compared to recent studies in the field.
Abstract（参考訳）: アルツハイマー病は最も一般的な神経変性疾患の1つであり、アミロイドβプラークとタウタングルの蓄積が特徴である。近年,アルツハイマー病の診断において深層学習のアプローチが期待されている。本研究では,アルツハイマー病分類のための2重注意モジュールを備えた3次元畳み込みニューラルネットワークを用いた再現性モデルを提案する。このモデルをADNIデータベースでトレーニングし,2つの独立したデータセット(AIBLとOASIS1)で本手法の一般化性を検証した。本手法は,mci進行分類の91.94%,adniデータセットのアルツハイマー病分類の96.30%の精度で最先端の分類性能を達成した。さらに、モデルは優れた一般化可能性を示し、AIBLデータセットでは86.37%、OASIS1データセットでは83.42%の精度を達成した。これらの結果から,本提案手法はこの分野における最近の研究と比較して,競争性能と一般化性を有することが示された。

関連論文リスト

CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。 CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
論文参考訳（メタデータ） (2024-11-10T02:40:06Z)
AlzhiNet: Traversing from 2DCNN to 3DCNN, Towards Early Detection and Diagnosis of Alzheimer's Disease [1.6908255257928966]
2次元畳み込みニューラルネットワーク(2D-CNN)と3次元畳み込みニューラルネットワーク(3D-CNN)を統合した新しいハイブリッドディープラーニングフレームワークを提案する。我々のフレームワークはKaggleとMIRIADのデータセットから磁気共鳴イメージング(MRI)で検証され、それぞれ98.9%と99.99%、AUCは100%である。
論文参考訳（メタデータ） (2024-10-03T17:37:18Z)
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)
Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
論文参考訳（メタデータ） (2024-02-13T15:43:30Z)
The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文参考訳（メタデータ） (2023-09-13T10:40:41Z)
A Machine Learning Approach for Predicting Deterioration in Alzheimer's Disease [0.0]
本稿では,機械学習を用いたアルツハイマー病の悪化について検討する。勾配強化を含む6つの機械学習モデルを構築し評価した。認知正常群のうちどれが劣化したかを予測するCARTを用いて,良好な予測能力を示すことができた。軽度認知障害群では,Elastic Netによる劣化予測能力は良好であった。
論文参考訳（メタデータ） (2023-06-17T12:23:35Z)
Conformer Based Elderly Speech Recognition System for Alzheimer's Disease Detection [62.23830810096617]
アルツハイマー病(AD)の早期診断は、予防ケアがさらなる進行を遅らせるのに不可欠である。本稿では,DementiaBank Pitt コーパスをベースとした最新のコンバータに基づく音声認識システムの開発について述べる。
論文参考訳（メタデータ） (2022-06-23T12:50:55Z)
Predicting Alzheimer's Disease Using 3DMgNet [2.97983501982132]
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。
論文参考訳（メタデータ） (2022-01-12T09:08:08Z)
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)
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)

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。