Early diagnosis of Alzheimer’s disease from MRI images with deep learning model

要約

世界中で認知症の最も一般的な原因はアルツハイマー病（AD）であることが認められています。
この状態は軽度から重度に進行し、日常生活に支障をきたします。
早期診断は患者ケアと臨床試験において重要な役割を果たします。
畳み込みニューラル ネットワーク (CNN) は、MRI スキャンから特定の疾患の特徴を特定するためのフレームワークを作成するために使用されます。認知症の分類には、病歴の検討、神経心理学的検査、磁気共鳴画像法 (MRI) などのアプローチが含まれます。
ただし、Kaggle から取得した画像データセットは、クラスの不均衡という重大な問題に直面しており、これに対処するには各クラスからサンプルを均等に分散する必要があります。
この記事では、この不均衡に対処するために、合成マイノリティ オーバーサンプリング技術 (SMOTE) を利用します。
さらに、事前トレーニングされた畳み込みニューラル ネットワークが DEMNET 認知症ネットワークに適用され、AD 画像から主要な特徴が抽出されています。
提案されたモデルは、98.67% という優れた精度を達成しました。

要約(オリジナル)

It is acknowledged that the most common cause of dementia worldwide is Alzheimer’s disease (AD). This condition progresses in severity from mild to severe and interferes with people’s everyday routines. Early diagnosis plays a critical role in patient care and clinical trials. Convolutional neural networks (CNN) are used to create a framework for identifying specific disease features from MRI scans Classification of dementia involves approaches such as medical history review, neuropsychological tests, and magnetic resonance imaging (MRI). However, the image dataset obtained from Kaggle faces a significant issue of class imbalance, which requires equal distribution of samples from each class to address. In this article, to address this imbalance, the Synthetic Minority Oversampling Technique (SMOTE) is utilized. Furthermore, a pre-trained convolutional neural network has been applied to the DEMNET dementia network to extract key features from AD images. The proposed model achieved an impressive accuracy of 98.67%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google