論文の概要: Image-Based Alzheimer's Disease Detection Using Pretrained Convolutional Neural Network Models

• arxiv url: http://arxiv.org/abs/2502.05815v1
• Date: Sun, 09 Feb 2025 08:43:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:33:24.718978
• Title: Image-Based Alzheimer's Disease Detection Using Pretrained Convolutional Neural Network Models
• Title（参考訳）: 予め拘束された畳み込みニューラルネットワークモデルを用いた画像ベースアルツハイマー病の検出
• Authors: Nasser A Alsadhan,
• Abstract要約: アルツハイマー病は治療不能な進行性脳障害であり、記憶、思考能力、そして最も基本的なタスクを完遂する能力を失う。 本研究は、神経イメージング技術を用いて捉えたバイオマーカーからアルツハイマー病を検出するコンピュータ診断システムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Alzheimer's disease is an untreatable, progressive brain disorder that slowly robs people of their memory, thinking abilities, and ultimately their capacity to complete even the most basic tasks. Among older adults, it is the most frequent cause of dementia. Although there is presently no treatment for Alzheimer's disease, scientific trials are ongoing to discover drugs to combat the condition. Treatments to slow the signs of dementia are also available. Many researchers throughout the world became interested in developing computer-aided diagnosis systems to aid in the early identification of this deadly disease and assure an accurate diagnosis. In particular, image based approaches have been coupled with machine learning techniques to address the challenges of Alzheimer's disease detection. This study proposes a computer aided diagnosis system to detect Alzheimer's disease from biomarkers captured using neuroimaging techniques. The proposed approach relies on deep learning techniques to extract the relevant visual features from the image collection to accurately predict the Alzheimer's class value. In the experiments, standard datasets and pre-trained deep learning models were investigated. Moreover, standard performance measures were used to assess the models' performances. The obtained results proved that VGG16-based models outperform the state of the art performance.
• Abstract（参考訳）: アルツハイマー病は治療不能な進行性脳障害であり、記憶、思考能力、そして究極的には最も基本的なタスクを完遂する能力を失う。 高齢者の中では、認知症の最も頻繁な原因である。 現在、アルツハイマー病の治療は行われていないが、この病気と闘う薬を発見するための科学的試みが進行中である。 認知症の徴候を遅らせるための治療法も用意されている。 世界中の多くの研究者が、この致命的な病気の早期発見と正確な診断を支援するコンピュータ支援診断システムの開発に興味を持つようになった。 特に、画像に基づくアプローチは、アルツハイマー病の検出の課題に対処するために、機械学習技術と組み合わせられている。 本研究は、神経イメージング技術を用いて捉えたバイオマーカーからアルツハイマー病を検出するコンピュータ診断システムを提案する。 提案手法は、画像収集から関連する視覚的特徴を抽出し、アルツハイマーのクラス値を正確に予測する深層学習技術に依存する。 実験では,標準データセットと事前学習深層学習モデルについて検討した。 さらに、モデルの性能を評価するのに標準的な性能指標が用いられた。 その結果、VGG16ベースのモデルは最先端の性能より優れていた。

関連論文リスト

• 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)
• 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)
• 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)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• Detection of Alzheimer's Disease using MRI scans based on Inertia Tensor and Machine Learning [0.0]
  アルツハイマー病(英: Alzheimer's Disease)は、高齢者の神経疾患である。 我々は,慣性テンソル解析と機械学習に基づいて,MRI画像からアルツハイマー病の4つの異なる段階を検出する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-26T06:37:14Z)
• A Convolutional-based Model for Early Prediction of Alzheimer's based on the Dementia Stage in the MRI Brain Images [0.0]
  アルツハイマー病は、現在治療法を持っていないが、早期に診断することは、病気の重症度を減らすのに役立つ。 本稿では,磁気共鳴画像(MRI)画像から成人の認知症のステージを決定するために,深層畳み込みニューラルネットワークを用いた学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-02T21:10:31Z)
• 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)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• 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)
• 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)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。