Enhancing Alzheimer’s disease diagnosis and staging: a multistage CNN framework using MRI

痴呆 卷积神经网络 计算机科学 人工智能 预处理器 学习迁移 机器学习 深度学习 磁共振成像 疾病 模式识别(心理学) 医学 病理 放射科
作者
Muhammad Umair Ali,Kwang Su Kim,Majdi Khalid,Majed Farrash,Amad Zafar,Seung Won Lee
出处
期刊:Frontiers in Psychiatry [Frontiers Media SA]
卷期号:15
标识
DOI:10.3389/fpsyt.2024.1395563
摘要

This study addresses the pervasive and debilitating impact of Alzheimer’s disease (AD) on individuals and society, emphasizing the crucial need for timely diagnosis. We present a multistage convolutional neural network (CNN)-based framework for AD detection and sub-classification using brain magnetic resonance imaging (MRI). After preprocessing, a 26-layer CNN model was designed to differentiate between healthy individuals and patients with dementia. After detecting dementia, the 26-layer CNN model was reutilized using the concept of transfer learning to further subclassify dementia into mild, moderate, and severe dementia. Leveraging the frozen weights of the developed CNN on correlated medical images facilitated the transfer learning process for sub-classifying dementia classes. An online AD dataset is used to verify the performance of the proposed multistage CNN-based framework. The proposed approach yielded a noteworthy accuracy of 98.24% in identifying dementia classes, whereas it achieved 99.70% accuracy in dementia subclassification. Another dataset was used to further validate the proposed framework, resulting in 100% performance. Comparative evaluations against pre-trained models and the current literature were also conducted, highlighting the usefulness and superiority of the proposed framework and presenting it as a robust and effective AD detection and subclassification method.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
LWW完成签到,获得积分10
1秒前
EdwardKING发布了新的文献求助10
2秒前
2秒前
一二发布了新的文献求助10
7秒前
8秒前
不配.应助Jieh采纳,获得20
9秒前
chloe驳回了李健应助
9秒前
鱼鱼完成签到,获得积分10
10秒前
玉yu完成签到 ,获得积分10
11秒前
13秒前
15秒前
Lucas应助梅槑采纳,获得10
15秒前
皮皮发布了新的文献求助10
16秒前
17秒前
lonely完成签到,获得积分10
17秒前
汤博森完成签到,获得积分20
17秒前
论文多多发布了新的文献求助10
17秒前
origin完成签到,获得积分10
18秒前
技术的不能发表完成签到 ,获得积分10
18秒前
18秒前
无语的如音完成签到,获得积分10
19秒前
19秒前
NexusExplorer应助martiniwine采纳,获得10
21秒前
origin发布了新的文献求助10
22秒前
22秒前
23秒前
23秒前
Akim应助cxlcxl采纳,获得30
24秒前
raffia发布了新的文献求助10
24秒前
25秒前
cobo发布了新的文献求助10
26秒前
852应助wlc采纳,获得10
27秒前
旧梦如烟完成签到,获得积分10
27秒前
畅快访蕊发布了新的文献求助10
29秒前
大大小小发布了新的文献求助10
29秒前
29秒前
29秒前
29秒前
彪壮的青亦完成签到,获得积分10
32秒前
Aries完成签到 ,获得积分10
32秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134917
求助须知:如何正确求助?哪些是违规求助? 2785800
关于积分的说明 7774138
捐赠科研通 2441635
什么是DOI,文献DOI怎么找? 1298038
科研通“疑难数据库(出版商)”最低求助积分说明 625075
版权声明 600825