文献

J-GLOBAL ID：201802214161481624   整理番号：18A0536234

CNNはAD診断のためのマルチモダリティ分類【Powered by NICT】

CNNs based multi-modality classification for AD diagnosis

著者 (2件)： Cheng Danni (Department of Instrument Science and Engineering, School of EIEE, Shanghai Jiao Tong University, Shanghai, China) ,  Liu Manhua (Department of Instrument Science and Engineering, School of EIEE, Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-5  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Alzheimer病(AD)の正確で早期診断が今後の治療の患者管理と開発のための重要な役割を果たしている。磁気共鳴画像(MRI)と陽電子放射断層撮影(PET)神経画像は,医師がADを診断するのを助けることができる有効な方法である。過去数年,機械学習アルゴリズムは,ADの定量評価とコンピュータ支援診断(CAD)におけるマルチモダリティ神経画像の解析に広く研究されている。殆どの現存する手法はレジストレーション,セグメンテーションと特徴抽出のような画像前処理後手細工特徴を抽出した後,他のグループからADを識別するための分類器を訓練した。は徐々にMRIとPET画像を用いたAD分類のためのマルチモダリティ特徴を学習し,結合へのマルチレベル畳込みニューラルネットワーク(CNN)を構築することを提案した。第1に,深い3次元CNNは全脳情報を変換し各モダリティのためのコンパクトな高レベル特徴に構築した。,2次元CNN画像分類のための高レベル特徴をアンサンブルへと流れる。提案した方法は,AD分類のためのMRIおよびPET画像データからの一般的な特徴を自動学習することができる。脳画像上で行った柔軟な画像レジストレーションとセグメンテーション。著者らの提案した方法は,Alzheimer病(AD)93名の被験者と100人の健常対照者(NC)被験者を含む193名のアルツハイマー病神経画像処理イニシアティブ(ADNI)データベースからのベースラインMRIとPET画像で評価した。実験結果と比較は,提案した方法がADとNCの分類のための89.64%の精度を達成し,有望な分類性能を示すことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習アルゴリズム ,  PET【トモグラフィー】 ,  計算機診断 ,  学習 ,  Alzheimer病 ,  特徴抽出 ,  早期診断 ,  NMRイメージング ,  セグメンテーション ,  *画像
準シソーラス用語： 脳画像 ,  *モダリティ ,  PET画像 ,  ニューロイメージング ,  *マルチモダリティ , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (5件)： CNN ,  AD ,  診断 ,  マルチモダリティ ,  分類