Deep Multi-Branch CNN Architecture for Early Alzheimer’s Detection from Brain MRIs

要約

アルツハイマー病 (AD) は、認知症を引き起こす可能性のある神経変性疾患であり、特に予防措置を講じなかった場合、脳機能の重度の低下によって単純な作業ができなくなります。
アメリカ人の9人に1人以上がアルツハイマー病誘発性認知症を患っており、アルツハイマー病関連認知症患者に対する無給ケアは2,716億ドルに上ります。
したがって、ADのさらなる進行を防ぐために、早期AD診断のためにさまざまなアプローチが開発されてきました。
この論文では、まず AD の早期検出に使用できる他のアプローチを検討します。
次に、アルツハイマー病ニューロイメージング イニシアチブ (ADNI) からのデータセットの概要を示し、7,866,819 個のパラメーターで構成される深い畳み込みニューラル ネットワーク (CNN) アーキテクチャを提案します。
このモデルには、それぞれ長さが異なる 3 つの異なる畳み込み分岐があります。
各ブランチは、異なるカーネル サイズで構成されます。
このモデルは、患者が非認知症であるか、軽度の認知症であるか、または中等度の認知症であるかを 99.05% の 3 クラスの精度で予測できます。

要約(オリジナル)

Alzheimer’s disease (AD) is a neuro-degenerative disease that can cause dementia and result severe reduction in brain function inhibiting simple tasks especially if no preventative care is taken. Over 1 in 9 Americans suffer from AD induced dementia and unpaid care for people with AD related dementia is valued at $271.6 billion. Hence, various approaches have been developed for early AD diagnosis to prevent its further progression. In this paper, we first review other approaches that could be used for early detection of AD. We then give an overview of our dataset that was from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) and propose a deep Convolutional Neural Network (CNN) architecture consisting of 7,866,819 parameters. This model has three different convolutional branches with each having a different length. Each branch is comprised of different kernel sizes. This model can predict whether a patient is non-demented, mild-demented, or moderately demented with a 99.05% three class accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google