Attention-based Efficient Classification for 3D MRI Image of Alzheimer’s Disease

要約

アルツハイマー病診断 (AD) の早期診断は、その微妙で複雑な臨床症状のため、困難な作業です。
画像認識技術を使用したディープラーニング支援の医療診断は、この分野の重要な研究テーマとなっています。
特徴は、解剖学的脳構造の主な変化を正確に捕捉する必要があります。
ただし、深層学習トレーニングによる特徴抽出には時間がかかり、コストがかかります。
この研究は、畳み込みニューラル ネットワークに基づいた新しいアルツハイマー病検出モデルを提案します。
このモデルは、事前にトレーニングされた ResNet ネットワークをバックボーンとして利用し、3D 医療画像と注意メカニズムのためのポストフュージョン アルゴリズムを組み込んでいます。
実験結果は、採用された 2D 融合アルゴリズムがモデルのトレーニング費用を効果的に改善することを示しています。
また、導入されたアテンション メカニズムにより、画像内の重要な領域に正確に重み付けが行われ、モデルの診断精度がさらに向上します。

要約(オリジナル)

Early diagnosis of Alzheimer Diagnostics (AD) is a challenging task due to its subtle and complex clinical symptoms. Deep learning-assisted medical diagnosis using image recognition techniques has become an important research topic in this field. The features have to accurately capture main variations of anatomical brain structures. However, time-consuming is expensive for feature extraction by deep learning training. This study proposes a novel Alzheimer’s disease detection model based on Convolutional Neural Networks. The model utilizes a pre-trained ResNet network as the backbone, incorporating post-fusion algorithm for 3D medical images and attention mechanisms. The experimental results indicate that the employed 2D fusion algorithm effectively improves the model’s training expense. And the introduced attention mechanism accurately weights important regions in images, further enhancing the model’s diagnostic accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google