アルツハイマー病MRI解析のための軽量3D CNN：精度と効率のバランス

科学分野:

• 神経画像診断
• 人工知能
• 医療診断

背景:

• アルツハイマー病（AD）の診断は、従来、臨床評価に依存していました。
• ディープラーニング、特に3D畳み込みニューラルネットワーク（CNN）は、MRIスキャンによるAD検出精度の向上に有望です。
• 既存のディープラーニングモデルの高い計算複雑性は、臨床応用を妨げています。

研究 の 目的:

• MRIデータを使用したアルツハイマー病分類のための計算効率の良い軽量ディープラーニングフレームワークを開発すること。
• 神経変性疾患検出のためのディープラーニングモデルにおける高い計算複雑性の課題に対処すること。

主な方法:

• 適応マルチスケール特徴抽出を統合した軽量MRI分類フレームワークを提案しました。
• 構造プルーニングとパラメータ最適化を採用して、コンパクトなモデルアーキテクチャを作成しました。
• アルツハイマー病神経画像イニシアチブ（ADNI）データセットで、バイナリ分類タスクのためにフレームワークを評価しました。

主要な成果:

• 約0.49百万パラメータ、1.9MBサイズのコンパクトなモデルを実現しました。
• モデルは3つのバイナリタスクすべてで高い分類性能を示しました。
• ベースラインと比較して約70倍高い189.87のパフォーマンス密度（PD）を報告し、優れた効率を示しました。

結論:

• 提案された軽量フレームワークは、アルツハイマー病検出のためのリソース消費を大幅に削減します。
• モデルは高い診断パフォーマンスを維持し、リソースが制約された臨床設定に実用的なソリューションを提供します。
• 臨床現場でのリアルタイムアルツハイマー病検出の可能性を可能にします。