文献

J-GLOBAL ID：202002226804949484   整理番号：20A1135716

AlexNetモデルに基づくAD分類【JST・京大機械翻訳】

Efficient Alzheimer’s Disease Classification Based on AlexNet Model

著者 (3件)： Zhang Baiwen (北京工業大学生命科学与生物工程学院,北京,100124) ,  Lin Lan (北京工業大学生命科学与生物工程学院,北京,100124) ,  Wu Shuicai (北京工業大学生命科学与生物工程学院,北京,100124)
資料名： Beijing Gongye Daxue Xuebao  (Beijing Gongye Daxue Xuebao)
巻： 46  号： 1  ページ： 68-74  発行年： 2020年 
JST資料番号： C2401A  ISSN： 0254-0037  CODEN： BGDXD6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： アルツハイマー病(Alzheimer’sdisease,AD)の発見は逆転しにくく、早期診断はADの経過発展を遅らせるのに非常に重要である。深さコンボリューションネットワークは,近年,画像認識の分野で多くの突出した表現を持っている。しかし、自然画像から訓練した二次元の古典的な深さネットワークを三次元の構造磁気共鳴映像(structuralmagneticresonanceimaging)に直接応用した。sMRIによるAD疾病状態の分類にはいくつかの問題がある。194例のAD、123例の末期軽度認知障害(latemildcognitiveimpairment,LMCI)と105例の正常老化(normalcontrol,NC)のsMRIに基づく。特徴移動学習の方法を用いて、古典的深さ畳込みモデル-AlexNetから各段階の被験者の画像特徴を抽出し、そして、提案特徴に対して3次元再構成を行い、最大プール化、主成分分析などの方式を用いて次元縮小を行った。前方配列選択法を用いて各分類群に対して特徴選択を行い、最後にサポートベクトルマシンを用いて分類モデルを構築し、AD、LMCIとNCの分類を実現した。AlexNetの三、四、五層巻積層において、ADとNCの分類精度はそれぞれ89であった。93%,91。28%,87.25%,ADとLMCIの分類結果は,それぞれ80であった。77%,76。92%,78。21%,NCとLMCIの分類結果は,それぞれ72であった。46%,75.45%,73.65%。結果は,古典的コンボリューションネットワークによって得られる特徴が,3D再構成を通して,ADをよく分類できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  学習 ,  *ネットワーク ,  画像特性 ,  特徴選択 ,  二次元 ,  三次元 ,  主成分分析 ,  次元縮小 ,  Alzheimer病 ,  早期診断 ,  サポートベクトルマシン ,  画像認識
準シソーラス用語： 自然画像 ,  軽度認知障害 , 【Automatic Indexing@JST】

著者キーワード (6件)： AlexNet ,  3D features reconstruct ,  Alzheimer’s disease ( AD ) ,  structural magnetic resonance imaging ( sMRI) ,  transform learning ,  feature extract

分類 (2件)： 計算機網  (JC03000K) ,  計算理論  (JB02000A)

タイトルに関連する用語 (3件)： モデル ,  AD ,  分類