[논문 리뷰] Detection of Alzheimers Disease from MRI using Convolutional Neural Network with Tensorflow

GuruRaj Awate, Sunil L. Bangare외 2명|arXiv (Cornell University)|2018. 06. 26.

Brain Tumor Detection and Classification인용 수 41

한 줄 요약

논문은 MRI 스캔에서 알츠하이머병을 분류하기 위해 TensorFlow로 구현된 컨볼루션 신경망을 사용하는 것을 제안하며, OASIS 데이터셋에서 학습했다.

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.

연구 동기 및 목표

• 의료 이미지를 통해 의사와 방사선 전문의의 진단 보조를 위한 자동 진단의 필요성을 제시합니다.
• CNN을 MRI 데이터에 적용하여 알츠하이머 병을 탐지합니다.
• 효율적인 학습을 위한 GPU 가속(CUDA CuDNN)을 활용합니다.
• 뇌 위축 패턴에 대한 하이브리드 이미지 분석 기법의 가능성을 입증합니다.

제안 방법

• TensorFlow를 사용하여 MRI 스캔에서 컨볼루션 신경망을 학습합니다.
• GPU 병렬 처리를 활용하기 위해 CUDA CuDNN을 활용하여 더 빠른 학습을 도모합니다.
• 진단 기준으로 MMSE와 CDR 표준을 포함하는 OASIS 데이터셋에 의존합니다.
• 이미지 분류를 위한 필터, 특징 맵, 학습된 가중치 등 핵심 CNN 개념을 설명합니다.

실험 결과

연구 질문

• RQ1 MRI 데이터로 학습된 CNN이 OASIS 데이터셋을 사용하여 알츠하이머병과 비치매 사례를 정확히 구분할 수 있는가?
• RQ2 이 의료 영상 진단 작업에서 GPU 가속 CNN 학습의 성능은 어떠한가?
• RQ3 CNN의 예측을 검증하는 데 MMSE와 CDR 표준이 어떤 역할을 하는가?
• RQ4 개인의 뇌 영역 위축의 가변성으로 인한 한계와 진단상의 도전은 무엇인가?

주요 결과

• 본 연구는 TensorFlow를 사용한 CNN으로 MRI 스캔에서 알츠하이머 탐지를 다루는 것을 입증합니다.
• OASIS 데이터셋은 MMSE 및 CDR 진단과 함께 400명 이상, 대략 100명의 치매 환자를 포함합니다.
• 이 접근은 훈련 성능 향상을 위해 GPU 가속(CUDA CuDNN)을 활용합니다.