多カテゴリーのアルツハイマー病データのディープラーニングベースの分類

Deep learning-based classification of multi-categorical Alzheimer's disease data.

• David S Cohen
• Kristy A Carpenter
• Juliet T Jarrell
• Xudong Huang

抄録

アルツハイマー病の病因が不明なため、早期発見のための技術開発が急務となっています。軽度認知障害（MCI）の早期発見は、アルツハイマー病の発症を遅らせたり、予防したりする上で極めて重要である。本研究では、正常対照者、軽度認知障害者、AD患者の多クラス分類を目的として、ディープラーニング(DL)を利用した。我々は、脳画像測定、認知検査結果、脳脊髄液測定、ApoE4ステータス、年齢を含むアルツハイマー病神経画像化イニシアチブ（ADNI）からのマルチカテゴリのデータを使用しました。我々の人工ニューラルネットワーク分類器では87.197%、1次元畳み込みニューラルネットワーク分類器では88.275%の精度を達成した。我々は、DLベースの手法は、さらなる手法の改良が必要ではあるが、ADNIデータを分析する上で強力なツールであると結論付けた。

It is urgent to find the appropriate technology for the early detection of Alzheimer's disease (AD) due to the unknown AD etiopathologies that bring about serious social problems. Early detection of mild cognitive impairment (MCI) has pivotal importance in delaying or preventing the AD onset. Herein, we utilize deep learning (DL) techniques for the purpose of multiclass classification between normal control, MCI, and AD subjects. We used multi-categorical data from the Alzheimer's Disease Neuroimaging Initiative (ADNI) including brain imaging measurements, cognitive test results, cerebrospinal fluid measures, ApoE4 status, and age. We achieved an overall accuracy of 87.197% for our artificial neural network classifier and a similar overall accuracy of 88.275% for our 1D convolutional neural network classifier. We conclude that DL-based techniques are powerful tools in analyzing ADNI data although further method refinements are needed.