Automatic classification of Alzheimer’s disease using different neuroimaging tools

Q: 이 논문에서 정의한 자동 분류란 무엇인가?

자동 분류는 알츠하이머병 환자와 건강한 대조군을 구별하기 위해 여러 신경 영상 도구에서 추출된 특징들을 결합하여 컴퓨터 알고리즘으로 질병 유무를 판별하는 과정이다. 이는 T1 강조 MRI 이미지 기반의 고차원 분류 방법을 활용하여 이루어진다.

Q: 알츠하이머병 자동 분류에 가장 효과적인 방법은 무엇인가?

연구 결과, NiftyReg, Freesurfer, MALPEM 세 가지 신경 영상 도구에서 추출된 특징들을 개별적으로 사용하는 것보다 이들을 융합하여 K-최근접 이웃(KNN) 분류기를 적용했을 때 알츠하이머병과 건강한 대조군 분류 정확도가 가장 높게 나타났다.

Saidjalol Toshkhujaev; Goo-Rak Kwon; Yubraj Gupta; Ramesh Kumar Lama

추천

검색

질문

자료유형: 학술대회자료

저자정보: Saidjalol Toshkhujaev (Chosun University) Goo-Rak Kwon (Chosun University) Yubraj Gupta (Chosun University) Ramesh Kumar Lama (Chosun University)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2019년도 한국통신학회 추계종합학술발표회 논문집

발행연도: 2019.11

수록면: 58 - 61 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Recently, several high dimensional classification methods have been proposed to automatically discriminate between patients with Alzheimer"s disease (AD) and elderly controls (CN) based on T1-weighted MRI images. Moreover, many works have validated that multiple neuroimaging tools and biological biomarkers contain complementary information for early prognosis of AD. In this paper, we proposed an automatic classification by using multiple neuroimaging tools and finally combining them to classify AD vs HC. In total 180 subjects were downloaded from Open Access Series of Imaging Studies (OASIS) homepage, form which 90 subjects belong to AD and 90 subjects belong to (HC). We have used three types of feature extraction process which are NiftyReg, Freesurfer (6) and MALPEM (Multi-Atlas Labeled Propagation with EM refinement). For each image, we have extracted 246 Region of interest (ROI) using Brainnetome atlas using NiftyReg, 138 Region of Interest (ROI) using multi-labeled atlas in MALPEM and 68 regions using Freesurfer Destrieux atlas. According to KNN classifier result, multimodal feature achieved a good result for binary classification problem (AD and HC). Result, AUC of ROC for each of neuroimaging tools are 71%, 80%, 84% (NiftyReg, Freesurfer, MALPEM) and our method achieved 90% (AD and HC). Moreover, we have compared our result with the latest published state-of-the-art multimodal method.

#AD #HC #MALPEM (Multi Atlas Labeled Propagation with EM refinement) #NiftyReg #Freesurfer #KNN

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-567-000084819

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)