Application of Unsupervised Domain Adaptation for Structural MRI Analysis

要約

この作業の主な目標は、OASIS データセットのアルツハイマー病 (AD) 検出のコンテキストで、バイナリ分類や異常検出などのさまざまなアプリケーションに対する教師なしドメイン適応アプローチの有効性を研究することです。
また、異常検出のパフォーマンス ベンチマークを確立するために、3D 構造 MRI データを分析および生成するための画像再構成と画像合成についても検討します。
教師あり設定と教師なし設定の両方で実装した場合、ドメイン適応が AD 検出のパフォーマンスを向上させることを実証しました。
さらに、提案された方法論は、OASIS-1 データセットのバイナリ分類で最先端のパフォーマンスを実現します。

要約(オリジナル)

The primary goal of this work is to study the effectiveness of an unsupervised domain adaptation approach for various applications such as binary classification and anomaly detection in the context of Alzheimer’s disease (AD) detection for the OASIS datasets. We also explore image reconstruction and image synthesis for analyzing and generating 3D structural MRI data to establish performance benchmarks for anomaly detection. We successfully demonstrate that domain adaptation improves the performance of AD detection when implemented in both supervised and unsupervised settings. Additionally, the proposed methodology achieves state-of-the-art performance for binary classification on the OASIS-1 dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google