Earticle

초록

한국어

알츠하이머 병의 효과적이고 정확한 진단은 현재 중요한 관심사이다. 알츠하이머 병 (Alzheimer 's disease, AD) 은 기억력과 행동 또는 행동과 같은 뇌의 작용 기능에 영향을 미치며 결국 노인들에게 치매를 유발하는 신경 전달 물질, 뇌 세포 및 뇌 신경을 주로 공격하는 신경퇴행성 뇌무질서가 높게 진행된다. 그것은 치료가 불가능한 심한 신 경학적 뇌 질환이지만, 알츠하이머 병의 조기 발견은 적절한 치료와 뇌 조직 손상 예방에 도움이 될 수 있다. 알츠하 이머 병의 탐지 및 분류는 어렵다. 이 논문에서는 뇌 MRI 데이터 분석을 이용한 새로운 알츠하이머 병 진단 및 분 류 모델을 제안한다. 고해상도 3 차원 sMRI 이미지는 100 명의 AD 환자와 316 명의 정상인 (HC)으로부터 수집 되었다. 대뇌 피질의 세션화를 위해 자동화 된 Freesurfer 소프트웨어 패키지를 사용한다. 따라서 총 66 개의 대 뇌 피질의 뇌 세분화 특징이 자동으로 추출한다. 그 후, 주성분 분석 (PCA)이 차원 감소 목적으로 사용되고 SVM (Support Vector Machine) 및 FNN (Feed Forward Neural Network)을 적용하여 분류 프로세스를 수행한 다. OASIS 데이터셋에 대한 실험은 특징 선택 접근법을 사용하는 SVM이 AD 및 HC 대상의 분류 정확도를 크게 향상시킬 수 있음을 보여준다.

영어

Effective and accurate diagnosis of Alzheimer’s disease is currently of significant interest. Alzheimer’s disease (AD) is a highly progressive, neurodegenerative brain disorderliness that mainly attacks neurotransmitters, brain cells and brain nerves, affecting the working functions of brain such as its memory and actions or behaviours, finally causing dementia on ageing people. It is a severe neurological brain disorder, which is not curable, but earlier detection of Alzheimer’s disease can be helpful for proper treatment and prevent brain tissue damage. Detection and classification of Alzheimer’s disease are challenging. In this paper, a new Alzheimer’s disease detection and classification model using brain MRI data analysis are presented. High-resolution three-dimensional sMRI images were acquired from 100 AD subjects and 316 Healthy controls (HC). To segment the sub-cortical brain, a fully automated Freesurfer software package is calculated. Finally, 66 sub-cortical brain segmentation features are automatically extracted. After that, Principal component analysis (PCA) is used for dimensionality reduction purpose and a classification process is performed by applying Support vector machine (SVM) and Feed Forward neural network (FNN). Experimental results on the OASIS dataset show that SVM with feature selection approach could significantly improve classification accuracy of AD and HC subjects.

목차

요약
Abstract
1. Introduction
2. Proposed Methods
2.1 sMRI Dataset
2.2 Pre-processing of sMRI Data
3. Classification stages of AD
3.1 Feature selection
3.2 Feed Forward Neural Network (FNN)
3.3 Support vector machine (SVM)
4. Experimental results and Analysis:
4.1 Permutation testing
4.2 Performance evaluation methods:
4.3 Binary classification: Result and Analysis
4.4 Discussion on the results
5. Conclusion and Future Work
Acknowledgment
References

저자

• Yubraj Gupta [ 조선대학교 정보통신공학과 ]
• 권구락 [ Goo-Rak Kwon | 조선대학교 정보통신공학과 ] Corresponding Author

참고문헌