論文の概要: EffNetViTLoRA: An Efficient Hybrid Deep Learning Approach for Alzheimer's Disease Diagnosis

• arxiv url: http://arxiv.org/abs/2508.19349v1
• Date: Tue, 26 Aug 2025 18:22:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.390969
• Title: EffNetViTLoRA: An Efficient Hybrid Deep Learning Approach for Alzheimer's Disease Diagnosis
• Title（参考訳）: EffNetViTLoRA : アルツハイマー病診断のための効率的なハイブリッドディープラーニングアプローチ
• Authors: Mahdieh Behjat Khatooni, Mohsen Soryani,
• Abstract要約: アルツハイマー病(英語: Alzheimer's disease、AD)は、世界の神経変性疾患の一つ。 EffNetViTLoRA は Alzheimer's Disease Neuroimaging Initiative (ADNI) Magnetic Resonance Imaging (MRI) データセットを用いたAD診断のエンドツーエンドモデルである。
• 参考スコア（独自算出の注目度）: 2.220152876549942
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Alzheimer's disease (AD) is one of the most prevalent neurodegenerative disorders worldwide. As it progresses, it leads to the deterioration of cognitive functions. Since AD is irreversible, early diagnosis is crucial for managing its progression. Mild Cognitive Impairment (MCI) represents an intermediate stage between Cognitively Normal (CN) individuals and those with AD, and is considered a transitional phase from normal cognition to Alzheimer's disease. Diagnosing MCI is particularly challenging due to the subtle differences between adjacent diagnostic categories. In this study, we propose EffNetViTLoRA, a generalized end-to-end model for AD diagnosis using the whole Alzheimer's Disease Neuroimaging Initiative (ADNI) Magnetic Resonance Imaging (MRI) dataset. Our model integrates a Convolutional Neural Network (CNN) with a Vision Transformer (ViT) to capture both local and global features from MRI images. Unlike previous studies that rely on limited subsets of data, our approach is trained on the full T1-weighted MRI dataset from ADNI, resulting in a more robust and unbiased model. This comprehensive methodology enhances the model's clinical reliability. Furthermore, fine-tuning large pretrained models often yields suboptimal results when source and target dataset domains differ. To address this, we incorporate Low-Rank Adaptation (LoRA) to effectively adapt the pretrained ViT model to our target domain. This method enables efficient knowledge transfer and reduces the risk of overfitting. Our model achieves a classification accuracy of 92.52% and an F1-score of 92.76% across three diagnostic categories: AD, MCI, and CN for full ADNI dataset.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's disease、AD)は、世界の神経変性疾患の一つ。 進歩するにつれて、認知機能の低下につながる。 ADは不可逆的であるため,早期診断は進行管理に不可欠である。 軽度認知障害(MCI)は認知正常(CN)とADの中間段階であり、正常認知からアルツハイマー病への移行段階と考えられている。 MCIの診断は, 診断カテゴリーの違いが微妙に異なるため, 特に困難である。 本研究では,アルツハイマー病神経イメージングイニシアチブ(ADNI)のMRIデータセットを用いて,AD診断のための汎用エンド・ツー・エンドモデルであるEffNetViTLoRAを提案する。 われわれのモデルは、畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)を統合し、MRI画像から局所的特徴とグローバルな特徴の両方をキャプチャする。 データの限られたサブセットに依存する従来の研究とは異なり、我々のアプローチはADNIのフルT1強調MRIデータセットに基づいて訓練されており、より堅牢で偏りのないモデルになっている。 この包括的手法は、モデルの臨床的信頼性を高める。 さらに、微調整された大規模な事前訓練モデルでは、ソースとターゲットのデータセットドメインが異なる場合、しばしば準最適結果が得られる。 これを解決するために、Low-Rank Adaptation (LoRA)を導入し、トレーニング済みのViTモデルをターゲットドメインに効果的に適応させる。 この方法は、効率的な知識伝達を可能にし、オーバーフィッティングのリスクを低減する。 本モデルでは,AD, MCI, CNの3つの診断カテゴリに対して,分類精度92.52%,F1スコア92.76%を達成している。

関連論文リスト

• Cross-modal Causal Intervention for Alzheimer's Disease Prediction [12.485088483891843]
  本稿では,アルツハイマー病の予防接種による視覚的因果介入の枠組みを提案する。 私たちのフレームワークは、因果的介入を通じて、共同創設者を暗黙的に排除します。 CN/MCI/ADの鑑別において,本手法の優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2025-07-18T14:21:24Z)
• Leveraging Bi-Focal Perspectives and Granular Feature Integration for Accurate Reliable Early Alzheimer's Detection [0.0]
  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。 また,MRIにおける微妙な神経線維の絡み合いとアミロイドプラークの強調を目的としたバイフォーカスパースペクティブ機構を提案する。 我々のモデルはF1スコア99.31%、精度99.24%、リコール99.51%を達成した。
  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)
• An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
  アルツハイマー病(英語: Alzheimer's disease, AD)は、認知機能障害(Mild Cognitive Impairment, MCI)として知られる前ドロマステージを含む認知症である。 この研究の目的は、マルチモーダルMRIデータと単一核化物多型に依存する脳構造と機能の構造的・機能的調節を捉えることである。
  論文  参考訳（メタデータ） (2024-06-19T07:31:47Z)
• 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)
• Multiple Instance Ensembling For Paranasal Anomaly Classification In The Maxillary Sinus [46.1292414445895]
  副鼻腔奇形は幅広い形態学的特徴を持つ。 副鼻腔異常分類への現在のアプローチは、一度に1つの異常を特定することに制約されている。 3次元畳み込みニューラルネットワーク(CNN)を用いて正常上顎骨(MS)とMSをポリープや嚢胞で分類する可能性を検討した。
  論文  参考訳（メタデータ） (2023-03-31T09:23:27Z)
• 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)
• 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)

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。