文献

J-GLOBAL ID：201802261127226959   整理番号：18A1030416

MR画像を用いたアルツハイマー病診断のための効率的な3D深部畳込みネットワーク【JST・京大機械翻訳】

An efficient 3D deep convolutional network for Alzheimer’s disease diagnosis using MR images

著者 (4件)： Backstrom Karl (Dept. of Electrical Engineering, Chalmers Univ. of Technology, Gothenburg, 41296, Sweden) ,  Nazari Mahmood (Dept. of Electrical Engineering, Chalmers Univ. of Technology, Gothenburg, 41296, Sweden) ,  Gu Irene Yu-Hua (Dept. of Electrical Engineering, Chalmers Univ. of Technology, Gothenburg, 41296, Sweden) ,  Jakola Asgeir Store (Inst. of neuroscience and physiology, Sahlgrenska Academy, Univ. of Gothenburg, 41345, Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISBI  ページ： 149-153  発行年： 2018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： MRI脳スキャンからの特徴の自動抽出とアルツハイマー病(AD)の診断は困難な課題である。本論文では,比較的大きなデータセット上でADの検出のために高性能を達成することができる,効率的で簡単な三次元畳込みネットワーク(3D ConvNet)アーキテクチャを提案した。提案した3D ConvNetは,特徴抽出のための5つの畳込み層から成り,続いて,AD/NC分類のための3つの完全接続層が続いた。本論文の主な貢献は以下を含む:(a)新規で効果的な3D ConvNetアーキテクチャを提案する;(b)AD分類の性能に及ぼすハイパーパラメータ選択の影響を研究する。(c)前処理の影響を研究した。(d)データ分割の影響を研究する。(E)データセットサイズの影響を研究した。340人の被験者と1198人のMRI脳スキャンを含むADNIデータセットで行った実験は,良好な性能(98.74%の試験精度,100%AD検出率と2,4%の誤警報)をもたらした。7つの既存の最先端の方法との比較は,提案した方法のロバスト性に対する強い支援を提供した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 計算機アーキテクチャ ,  *深部 ,  ロバスト性 ,  *ネットワーク ,  *NMRイメージング ,  *畳込み ,  *Alzheimer病 ,  前処理 ,  特徴抽出 ,  *三次元 ,  走査
準シソーラス用語： 誤警報 ,  検出率 ,  被験者 ,  自動抽出 , 【Automatic Indexing@JST】

分類 (1件)： 神経系の診断  (GN02000H)

タイトルに関連する用語 (6件)： MR画像 ,  アルツハイマー病 ,  診断 ,  3D ,  深部 ,  畳込み