文献

J-GLOBAL ID：202002266081126654   整理番号：20A0981898

MRIのハイブリッド強化ICAセグメント化灰白質を用いた新規CNNベースAlzheimer病分類【JST・京大機械翻訳】

A novel CNN based Alzheimer’s disease classification using hybrid enhanced ICA segmented gray matter of MRI

著者 (2件)： Basheera Shaik (Department of ECE, Acharya Nagarjuna University College of Engineering, ANU, Guntur, Andhra Pradesh, India) ,  Satya Sai Ram M. (Department of ECE, RVR&JC College of Engineering, Guntur, Andhra Pradesh, India)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 81  ページ： Null  発行年： 2020年 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 軽度認知障害(MCI)と認知正常(CN)からアルツハイマー病(AD)を予測することは広くなっている。機械学習技術による採用における神経画像の最近の進歩は,ADの早期診断において医師を支援するための医用画像のパターン認識に特に有用である。早期の異常脳萎縮と健康な脳萎縮は同じであることが観察された。本研究では,ADの早期診断をより正確に行うために,MCIとCNをより正確に区別するモデルを提案した。本論文において,著者らは二値とマルチクラス分類の両方を適用して,4463のスライドをトレーニングのための2つのグループに分割して,被験者レベルでのテストのために,AD-CNのケースにおいて100%の精度,100%の感度と100%の特異性を達成した。AD-MCIの場合の精度は96.2%,感度は93%,特異性は100%であった。CN-MCIの場合,精度は98.0%,感度は96%,特異性は100特異性であった。AD-MCI-CNの場合,86.7%の精度,89.6%の感度,86.61%の特異性があった。モデルはさらに10倍の交差検証を用いて試験し,CNとMCIを識別するために98.0%の精度を得た。著者らの提案したフレームワーク生成結果は,以前の研究フローと比較して,MCIとCNからADの予測を有意に改善し,初期段階でADを区別するために使用した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  *セグメンテーション ,  *灰白質 ,  医用画像 ,  *Alzheimer病 ,  早期診断 ,  独立成分分析
準シソーラス用語： 被験者 ,  特異性 ,  軽度認知障害 ,  ニューロイメージング ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (4件)： アルツハイマー病 ,  独立成分分析 ,  Gauss混合モデル ,  CNN

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： MRI ,  強化 ,  ICA ,  セグメント化 ,  灰白質 ,  CNN ,  Alzheimer病 ,  分類