文献
J-GLOBAL ID:202002285317111166   整理番号:20A0523626

Alzheimer病分類のための畳込みニューラルネットワークに基づくMR画像解析【JST・京大機械翻訳】

Convolutional Neural Network-based MR Image Analysis for Alzheimer’s Disease Classification
著者 (8件):
資料名:
巻: 16  号:ページ: 27-35  発行年: 2020年 
JST資料番号: W3597A  ISSN: 1573-4056  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: 不明 (ARE)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
背景:本研究では,脳の磁気共鳴(MR)画像から抽出された海馬領域の画像に基づいて,アルツハイマー病(AD),軽度認知障害(MCI)および正常対照(NC)被験者を分類するために畳込み神経回路網(CNN)を用いた。【方法】本研究で用いたデータセットを,アルツハイマー病神経画像診断(ADNI)から得た。海馬領域を自動的に分割するために,患者脳MR画像を,3D-Slicerソフトウェアを用いて,脳マッピングテンプレート(ICBM)のための国際コンソーシアムに適合させた。事前知識と解剖学的アノテーションラベル情報を用いて,海馬領域を脳MR画像から自動的に抽出した。【結果】各画像における海馬の面積を,不均一性強度補正法による二次スプラインモデル(LEMS)による局所エントロピー最小化を用いて前処理した。CNNモデルを訓練するために,データセットを,AD/NC,AD/MCI,およびMCI/NCの3つのグループに分離した。予測モデルは,AD/NCに対して92.3%,AD/MCIに対して85.6%,MCI/NCに対して78.1%の精度を達成した。結論:本研究の結果を以前の研究の結果と比較し,追加実験に基づいてより柔軟な分析を容易にするために要約し分析した。提案方法によって得られた分類精度は非常に正確である。これらの知見は,このアプローチが効率的であり,全スライド画像の代わりに海馬の小パッチ画像を用いて良好なAD,MCIおよびNC分類性能を得るための有望な戦略であることを示唆する。Copyright 2020 Bentham Science Publishers All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (5件):
分類
JSTが定めた文献の分類名称とコードです
有機化合物の各種分析  ,  内分泌系の腫よう  ,  医用画像処理  ,  運動器系疾患の外科療法  ,  生物薬剤学(基礎) 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る