[論文レビュー] Detection of Alzheimers Disease from MRI using Convolutional Neural Network with Tensorflow

GuruRaj Awate, Sunil L. Bangare+2 more|arXiv (Cornell University)|Jun 26, 2018

Brain Tumor Detection and Classification被引用数 41

ひとこと要約

本論文は、TensorFlowで実装された畳み込みニューラルネットワークを用いて、MRIスキャンからアルツハイマー病を分類することを提案し、OASISデータセットで訓練されている。

ABSTRACT

Nowadays, due to tremendous improvements in high performance computing, it has become easier to train Neural Networks. We intend to take advantage of this situation and apply this technology in solving real world problems. There was a need for automatic diagnosis certain diseases from medical images that could help a doctor and radiologist for further action towards treating the illness. We chose Alzheimer disease for this purpose. Alzheimer disease is the leading cause of dementia and memory loss. Alzheimer disease, it is caused by atrophy of the certain brain regions and by brain cell death. MRI scans reveal this information but atrophy regions are different for different people which makes the diagnosis a little trickier and often gets miss-diagnosed by doctors and radiologists. The Dataset used for this project is provided by OASIS, which contains over 400 subjects 100 of which having mild to severe dementia and is supplemented by MMSE and CDR standards of diagnosis in the same context. Enter CNN, Convolutional Neural Networks are a hybrid of Kernel Convolutions and Neural Networks. Kernel Convolutions is a technique that uses filters to recognize and segment images based on features. Neural Networks consist of neurons which are loosely based on human brains neuron which represents a single classifier and interconnected by weights, have different biases and are activated by some activation functions. By using Convolutional Neural Networks, the problem can be solved with minimal error rate. The technologies we intend to use are libraries like CUDA CuDNN for making use of GPU and its multiple cores-parallel computing to train models while giving us high performance.

研究の動機と目的

• 医師や放射線科医を支援するために、医用画像から病気を自動診断する動機づけ。
• MRIデータにCNNを適用してアルツハイマー病を検出する。
• 効率的な訓練のためにGPU加速（CUDA CuDNN）を活用する。
• 脳萎縮パターンのハイブリッド画像解析技術の実現可能性を示す。

提案手法

• TensorFlowを用いてMRIスキャン上で畳み込みニューラルネットワークを訓練する。
• GPUの並列処理を活用してより高速な訓練を実現するためにCUDA CuDNNを利用する。
• 診断のためのMMSEとCDR標準を含むOASISデータセットを利用する。
• 画像分類のためのコアCNN概念：フィルター、特徴マップ、学習済み重みを説明する。

実験結果

リサーチクエスチョン

• RQ1 OASISデータセットを使用してMRIデータで訓練されたCNNは、アルツハイマー病と非認知症ケースを正確に識別できますか？
• RQ2 この医療画像診断タスクにおけるGPU加速CNN訓練の性能はどうですか？
• RQ3 CNNの予測を検証する際にMMSEとCDR標準はどのような役割を果たしますか？
• RQ4 個人間の脳領域萎縮のばらつきによる限界と診断上の課題は何ですか？

主な発見

• 本研究は、TensorFlowを用いたCNNを使ってMRIスキャンからアルツハイマー検出に取り組むことを示しています。
• OASISデータセットは400人超の被験者を提供し、約100人が認知症を含み、MMSEとCDRの診断とともに提供されます。
• このアプローチはGPU加速（CUDA CuDNN）を活用して訓練性能を向上させます。