論文の概要: EigenGradCAM with AugSmooth: Enhancing Explainability and Precision in Multi-Stage Alzheimer's Disease Detection

• arxiv url: http://arxiv.org/abs/2610.32374v1
• Date: Fri, 23 Oct 2026 09:01:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.442729
• Title: EigenGradCAM with AugSmooth: Enhancing Explainability and Precision in Multi-Stage Alzheimer's Disease Detection
• Title（参考訳）: AugSmooth を併用した EigenGradCAM による多段階アルツハイマー病の検出
• Abstract要約: アルツハイマー病(英語: Alzheimer's disease、AD)は、記憶喪失、認知低下、行動障害に関連する進行性神経疾患である。 本研究では,2次元軸方向MRI画像を用いた4クラスADステージングのための説明可能な深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.4621492680318224
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Alzheimer's disease (AD) is a progressive neurological disorder associated with memory loss, cognitive decline, and behavioral disturbances. Early and accurate diagnosis is essential, yet MRI-based deep learning models often lack interpretability, limiting their clinical use. This study presents an explainable deep learning approach for four-class AD staging using 2D axial MRI images. The method combines eigenvector-based Grad-CAM with gradient smoothing to improve saliency localization and heatmap stability. Principal component analysis is applied to gradient-weighted convolutional layers, while Gaussian noise is added to saliency weights before decomposition. To address class imbalance in the Moderate Dementia category, Wasserstein Generative Adversarial Network with Gradient Penalty (WGAN-GP) generates synthetic samples to balance the four-stage training distribution. Custom convolutional neural networks are trained on the Best Alzheimer MRI Dataset, achieving 97.2% test accuracy, 97.0% balanced accuracy, and a Matthews correlation coefficient of 0.944. The area under the ROC curve ranges from 0.96 to 0.99 across classes. Generated heatmaps highlight the hippocampus and entorhinal cortex, regions associated with Alzheimer's disease biomarkers. These findings suggest that the proposed approach combines strong classification performance with improved model interpretability, although further clinical validation is needed.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's disease、AD)は、記憶喪失、認知低下、行動障害に関連する進行性神経疾患である。 早期かつ正確な診断は不可欠であるが、MRIに基づくディープラーニングモデルは解釈可能性に欠け、臨床使用が制限されることが多い。 本研究では,2次元軸方向MRI画像を用いた4クラスADステージングのための説明可能な深層学習手法を提案する。 固有ベクトルに基づくGrad-CAMと勾配平滑化を組み合わせることで、塩分濃度の局在化とヒートマップ安定性を向上させる。 主成分分析は勾配重畳畳み込み層に適用され, ガウスノイズは分解前の塩分重に付加される。 モデレート認知症カテゴリにおけるクラス不均衡に対処するため,WGAN-GPを用いたWsserstein Generative Adversarial Networkは,4段階のトレーニング分布のバランスをとるために合成サンプルを生成する。 カスタム畳み込みニューラルネットワークはBest Alzheimer MRIデータセットでトレーニングされており、テスト精度97.2%、バランス精度97.0%、マシューズ相関係数0.944を達成している。 ROC曲線の下の領域はクラス毎に0.96から0.99の範囲である。 発生した熱マップでは、アルツハイマー病のバイオマーカーに関連する海馬と角膜皮質が強調される。 以上の結果から,本手法は強力な分類性能とモデル解釈性の向上を両立させるが,さらなる臨床的検証が必要であることが示唆された。

関連論文リスト

• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• EffNetViTLoRA: An Efficient Hybrid Deep Learning Approach for Alzheimer's Disease Diagnosis [2.220152876549942]
  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。
  論文  参考訳（メタデータ） (2025-08-26T18:22:28Z)
• Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI [1.0439136407307048]
  階層型視覚変換器モデルであるSwin Transformerを用いたマルチシェルdMRIデータに基づく分類パイプラインを提案する。 DTIとNODDIの主なメトリクスを抽出し、2次元平面上に投影し、ImageNet-pretrained modelで転送学習を可能にする。 診断群予測(認知正常,軽度認知障害,アルツハイマー病認知症,アミロイド状態分類)の枠組みについて検討した。
  論文  参考訳（メタデータ） (2025-07-14T07:31:40Z)
• 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)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• 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)
• Morphological feature visualization of Alzheimer's disease via Multidirectional Perception GAN [40.50404819220093]
  アルツハイマー病(AD)の重症度を示す形態的特徴を可視化するために, 新規な多方向知覚生成適応ネットワーク(MP-GAN)を提案する。 MP-GANは既存の手法に比べて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-11-25T03:24:52Z)
• 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。