Hybridized Convolutional Neural Networks and Long Short-Term Memory for Improved Alzheimer’s Disease Diagnosis from MRI Scans

要約

脳関連疾患は、外科手術の複雑さ、高額な費用、その他の課題などのいくつかの要因により、他の疾患よりも敏感です。
アルツハイマー病は、記憶喪失と脳細胞の縮小を引き起こす一般的な脳障害です。
患者に適切な治療を提供するには早期発見が重要です。
ただし、手動による CT スキャンや MRI スキャンを使用してアルツハイマー病を早期に特定することは困難です。
したがって、研究者らは、アルツハイマー病を検出するためのデータセットのトレーニングを必要とする、機械学習と深層学習の方法論を採用したコンピューター支援システムの探求を掘り下げてきました。
この研究は、CNN モデルの特徴抽出機能と LSTM モデルの検出機能を組み合わせたハイブリッド モデルを提示することを目的としています。
本研究では、ハイブリッドモデルにVGG16と呼ばれる転移学習を適用し、MRI画像から特徴を抽出しました。
LSTM は、畳み込み層と全結合層の間の特徴を検出します。
全結合層の出力層はソフトマックス関数を使用します。
ハイブリッド モデルのトレーニングには、ADNI データセットの利用が含まれます。
試験の結果、このモデルは精度 98.8%、感度 100%、特異度 76% のレベルを達成したことが明らかになりました。
提案されたハイブリッド モデルは、最新の CNN モデルを上回り、優れたパフォーマンスを示しています。

要約(オリジナル)

Brain-related diseases are more sensitive than other diseases due to several factors, including the complexity of surgical procedures, high costs, and other challenges. Alzheimer’s disease is a common brain disorder that causes memory loss and the shrinking of brain cells. Early detection is critical for providing proper treatment to patients. However, identifying Alzheimer’s at an early stage using manual scanning of CT or MRI scans is challenging. Therefore, researchers have delved into the exploration of computer-aided systems, employing Machine Learning and Deep Learning methodologies, which entail the training of datasets to detect Alzheimer’s disease. This study aims to present a hybrid model that combines a CNN model’s feature extraction capabilities with an LSTM model’s detection capabilities. This study has applied the transfer learning called VGG16 in the hybrid model to extract features from MRI images. The LSTM detects features between the convolution layer and the fully connected layer. The output layer of the fully connected layer uses the softmax function. The training of the hybrid model involved utilizing the ADNI dataset. The trial findings revealed that the model achieved a level of accuracy of 98.8%, a sensitivity rate of 100%, and a specificity rate of 76%. The proposed hybrid model outperforms its contemporary CNN counterparts, showcasing a superior performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google