論文の概要: Early diagnosis of Alzheimer's disease from MRI images with deep learning model
- arxiv url: http://arxiv.org/abs/2409.18814v1
- Date: Fri, 27 Sep 2024 15:07:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-01 09:08:34.827297
- Title: Early diagnosis of Alzheimer's disease from MRI images with deep learning model
- Title（参考訳）: 深層学習モデルを用いたMRI画像からのアルツハイマー病早期診断
- Authors: Sajjad Aghasi Javid, Mahmood Mohassel Feghhi,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.7673339435080445
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: It is acknowledged that the most common cause of dementia worldwide is Alzheimer's disease (AD). This condition progresses in severity from mild to severe and interferes with people's everyday routines. Early diagnosis plays a critical role in patient care and clinical trials. Convolutional neural networks (CNN) are used to create a framework for identifying specific disease features from MRI scans Classification of dementia involves approaches such as medical history review, neuropsychological tests, and magnetic resonance imaging (MRI). However, the image dataset obtained from Kaggle faces a significant issue of class imbalance, which requires equal distribution of samples from each class to address. In this article, to address this imbalance, the Synthetic Minority Oversampling Technique (SMOTE) is utilized. Furthermore, a pre-trained convolutional neural network has been applied to the DEMNET dementia network to extract key features from AD images. The proposed model achieved an impressive accuracy of 98.67%.
- Abstract（参考訳）: 認知症の最も多い原因はアルツハイマー病(AD)である。
この状態は軽度から重度に進行し、人々の日常の習慣に干渉する。
早期診断は、患者医療や臨床試験において重要な役割を担っている。
畳み込みニューラルネットワーク(CNN)は、MRIスキャンから特定の疾患の特徴を特定するためのフレームワークを作成するために使用される。
しかし、Kaggleから得られた画像データセットは、各クラスからのサンプルの均等な分散を必要とするクラス不均衡の重大な問題に直面している。
本稿では、この不均衡に対処するために、SMOTE(Synthetic Minority Oversampling Technique)を利用する。
さらに,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した。
提案されたモデルは98.67%の精度を達成した。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - Leveraging Bi-Focal Perspectives and Granular Feature Integration for Accurate Reliable Early Alzheimer's Detection [0.0]
アルツハイマー病(英: Alzheimer's disease、AD)は、何百万人もの患者で毎年診断される、最も一般的な神経変性疾患である。
従来のCNNは画像中の大量の低レベル情報を抽出できるが、高レベルの極小粒子を抽出することができない。
本稿では,異なるスケールでの情報抽出と効率的な情報フローを組み合わせた新しいグラニュラー特徴統合手法を提案する。
論文 参考訳（メタデータ） (2024-07-15T17:22:16Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - 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) - 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) - 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) - A multi-stream convolutional neural network for classification of
progressive MCI in Alzheimer's disease using structural MRI images [0.23633885460047763]
安定したMCIとプログレッシブMCIを分類するために,パッチベースの画像データを用いたマルチストリーム深層畳み込みニューラルネットワークを提案する。
まず,アルツハイマー病のMRI画像と認知正常な被験者を比較し,解剖学的特徴を識別する。
これらのランドマークは、MRI画像を分類するために提案されたマルチストリーム畳み込みニューラルネットワークに供給されるパッチを抽出するために使用される。
論文 参考訳（メタデータ） (2022-03-03T15:14:13Z) - 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。
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。