Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

XDementNET: An Explainable Attention Based Deep Convolutional Network to Detect Alzheimer Progression from MRI data

Created by
  • Haebom

저자

Soyabul Islam Lincoln, Mirza Mohd Shahriar Maswood

개요

본 논문은 뇌 자기공명영상(MRI)과 심층 신경망을 결합하여 알츠하이머병 진단을 위한 새로운 심층 학습 아키텍처를 제시한다. 다중 잔차 블록, 특수 공간적 주의 블록, 그룹 쿼리 주의 및 다중 헤드 주의를 통합한 심층 합성곱 신경망을 사용하여, Kaggle 및 OASIS, ADNI-1, ADNI-2 데이터셋에서 이진 및 다중 클래스 분류 문제를 해결하였다. GradCAM, Score-CAM, Faster Score-CAM 및 XGRADCAM과 같은 최첨단 방법들과 비교하여, 제안된 모델의 우수한 성능과 설명 가능성을 입증하였다. 특히, 4 클래스 분류에서 99.66% (Kaggle), 99.92% (OASIS)의 정확도를 달성하였다.

시사점, 한계점

•
시사점:
◦
알츠하이머병 진단을 위한 고정확도의 심층 학습 모델 제시.
◦
다양한 데이터셋에서 뛰어난 성능 검증.
◦
GradCAM 등 기존 방법 대비 향상된 성능.
◦
알츠하이머병 진행 단계의 설명 가능성 제공.
•
한계점:
◦
ADNI-2 데이터셋에서의 상대적으로 낮은 정확도 (97.79%, 8.60%).
◦
다양한 인종 및 민족적 배경의 데이터셋을 사용하지 않아 일반화 가능성에 대한 추가 연구 필요.
◦
모델의 복잡성 및 계산 비용에 대한 고려 필요.
◦
실제 임상 환경에서의 검증 필요.
👍
Made with Slashpage