Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Multiscale Deep Convoluti… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Multiscale Deep Convolutional Networks for Characterization and Detection of Alzheimer's Disease Using MR images

Paper i proceeding
Författare Chenjie Ge
Qixun Qu
Irene Yu Hua Gu
Asgeir Store Jakola
Publicerad i Proceedings - International Conference on Image Processing, ICIP
ISSN 15224880
Publiceringsår 2019
Publicerad vid Institutionen för neurovetenskap och fysiologi, sektionen för klinisk neurovetenskap
Språk en
Länkar https://doi.org/10.1109/ICIP.2019.8...
Ämnesord Alzheimer's disease detection, feature fusion and enhancement, MR images, multiscale CNN, multiscale features
Ämneskategorier Medicinsk bildbehandling, Radiologi och bildbehandling, Neurologi

Sammanfattning

© 2019 IEEE. This paper addresses the issues of Alzheimer's disease (AD) characterization and detection from Magnetic Resonance Images (MRIs). Many existing AD detection methods use single-scale feature learning from brain scans. In this paper, we propose a multiscale deep learning architecture for learning AD features. The main contributions of the paper include: (a) propose a novel 3D multiscale CNN architecture for the dedicated task of AD detection; (b) propose a feature fusion and enhancement strategy for multiscale features; (c) empirical study on the impact of several settings, including two dataset partitioning approaches, and the use of multiscale and feature enhancement. Experiments were conducted on an open ADNI dataset (1198 brain scans from 337 subjects), test results have shown the effectiveness of the proposed method with test accuracy of 93.53%, 87.24% (best, average) on subject-separated dataset, and 99.44%, 98.80% (best, average) on random brain scan-partitioned dataset. Comparison with eight existing methods has provided further support to the proposed method.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?