文献

J-GLOBAL ID：202202236188995622   整理番号：22A0446504

転移学習を用いたアルツハイマー病の分類に対する多チャンネル深層モデル【JST・京大機械翻訳】

Multi-channel Deep Model for Classification of Alzheimer’s Disease Using Transfer Learning

著者 (3件)： Dharwada Sriram (Department of Computer Science and Engineering, Indian Institute of Information Technology, Nagpur, India) ,  Tembhurne Jitendra (Department of Computer Science and Engineering, Indian Institute of Information Technology, Nagpur, India) ,  Diwan Tausif (Department of Computer Science and Engineering, Indian Institute of Information Technology, Nagpur, India)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13145  ページ： 245-259  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,2D畳込みニューラルネットワーク(CNN)による3D構造磁気共鳴イメージング(sMRI)画像を用いて,アルツハイマー病(AD)の分類を行った。AD分類のために2D畳み込みニューラルネットワークを使用するほとんどの既存の方法は,脳の3つの解剖学的平面に沿った各3D MRIスキャンから2D画像スライスを抽出する。CNNを各平面画像から画像上で別々に訓練した。しかし,これらの方法は3D情報の損失をもたらす時間において1つの平面からの画像のみを考慮する。脳に位置を与えるマルチチャネル畳み込みニューラルネットワークのアンサンブルを用いる新しい方法を提案した。脳からの複数のそのような位置を考察し,アンサンブル学習を用いて被験者レベルで予測を与えた。マルチチャネルネットワークにおける各チャネルが最先端の事前訓練CNNを利用し,分類タスクにカスタマイズする転送学習を採用した。提案モデルは,Alzheimer病(AD)対認知正常(CN)分類タスクに対して98.33%の精度を得て,現在の最先端の方法より優れている。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  二次元 ,  解剖学 ,  三次元 ,  チャネル ,  NMRイメージング ,  *Alzheimer病
準シソーラス用語： 被験者 ,  アンサンブル学習 ,  マルチチャネル ,  二次元画像 ,  *転移学習 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： アルツハイマー病 ,  深層学習 ,  マルチチャネルモデル ,  転移学習 ,  二次元CNN

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 転移学習 ,  アルツハイマー ,  分類 ,  多チャンネル ,  深層 ,  モデル