3D-TDA - Topological feature extraction from 3D images for Alzheimer's disease classification
Created by
Haebom
Category
Empty
저자
Faisal Ahmed, Taymaz Akan, Fatih Gelir, Owen T. Carmichael, Elizabeth A. Disbrow, Steven A. Conrad, Mohammad A. N. Bhuiyan
개요
본 연구는 알츠하이머병(AD)의 조기 진단을 위해 뇌 구조 MRI를 분석하는 새로운 특징 추출 방법론을 제안한다. 영구적 호몰로지(Persistent Homology)를 사용하여 뇌의 위상학적 특징을 추출하고, 이를 Betti 함수를 통해 특징 벡터로 변환한다. 이렇게 생성된 특징 벡터를 XGBoost와 같은 간단한 머신러닝 모델에 통합하여 계산 효율적인 모델을 개발하였다. 제안된 모델은 ADNI 3D MRI 데이터를 기반으로 한 이진 및 3중 분류 작업에서 최첨단 딥러닝 모델보다 높은 성능을 보였다. 특히 이진 분류에서 97.43%의 평균 정확도와 99.09%의 민감도를, 3중 분류에서 95.47%의 평균 정확도와 94.98%의 민감도를 달성했다. 또한, 데이터 증강이나 광범위한 전처리가 필요 없어 소규모 데이터셋에도 적합하다.
