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
明理凝阳完成签到,获得积分10
刚刚
热心市民小红花应助888777采纳,获得10
刚刚
十八发布了新的文献求助10
1秒前
猫咪也疯狂应助Jacky77采纳,获得60
1秒前
lsq108完成签到,获得积分10
1秒前
1秒前
gaomiemie完成签到,获得积分20
2秒前
思源应助疯狂的鱼采纳,获得10
2秒前
3秒前
wood发布了新的文献求助20
3秒前
3秒前
heli发布了新的文献求助10
3秒前
lsq108发布了新的文献求助10
3秒前
tea发布了新的文献求助10
4秒前
NexusExplorer应助顺心的筮采纳,获得10
5秒前
UUSee完成签到,获得积分10
5秒前
uni发布了新的文献求助10
6秒前
6秒前
6秒前
我是老大应助骄阳似我采纳,获得10
6秒前
希望天下0贩的0应助zoe采纳,获得10
7秒前
8秒前
一一一一一完成签到 ,获得积分10
8秒前
Apricot发布了新的文献求助10
8秒前
斯文谷秋发布了新的文献求助10
8秒前
半截神经病完成签到,获得积分10
8秒前
Ava应助最爱学习的亚子采纳,获得10
8秒前
CipherSage应助十八采纳,获得10
9秒前
Hugt完成签到,获得积分10
9秒前
星星发布了新的文献求助10
10秒前
完美世界应助Rainy采纳,获得10
10秒前
11秒前
12秒前
缥缈的紫青完成签到,获得积分10
12秒前
13秒前
小蘑菇应助uni采纳,获得10
13秒前
14秒前
14秒前
khll完成签到,获得积分20
14秒前
性温雅完成签到 ,获得积分10
14秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 600
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 600
A Dissection Guide & Atlas to the Rabbit 600
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 3105631
求助须知:如何正确求助?哪些是违规求助? 2756681
关于积分的说明 7641226
捐赠科研通 2410796
什么是DOI,文献DOI怎么找? 1279097
科研通“疑难数据库(出版商)”最低求助积分说明 617641
版权声明 599262