畳み込みニューラルネットワークを用いた拡散テンソル画像からのアルツハイマー病診断

Alzheimer's disease diagnosis from diffusion tensor images using convolutional neural networks.

• Eman N Marzban
• Ayman M Eldeib
• Inas A Yassine
• Yasser M Kadah

抄録

機械学習アルゴリズムは、アルツハイマー病（AD）を含むいくつかの神経変性疾患の発症を分類したり予測したりするために、現在エスカレートしつつある。本研究の目的は、健康な対照者（HC）に対するADや軽度認知障害（MCI）のロバストな分類システムを低コストのネットワークで提供することである。本研究では、含まれるデータセットは、アルツハイマー病ニューロイメージングイニシアチブ（ADNI）からダウンロードした。分類方法は畳み込みニューラルネットワーク(CNN)を用い、拡散マップと灰白質(GM)ボリュームを入力画像とした。スキャン数はHC、MCI、ADについてそれぞれ185、106、115であった。10倍クロスバリデーション法を採用した結果、平均拡散率（MD）と灰白質（GM）体積の積み重ねにより、AD/HCとMCI/HCの分類において、AUCは0.94と0.84、精度は93.5%と79.6%、感度は92.5%と62.7%、特異度は93.9%と89%であった。本研究では、構造的磁気共鳴画像法（MRI）と拡散テンソル画像法（DTI）という異なる画像モダリティからのデータを用いて、ディープラーニングを用いて分類することの効果を明らかにしました。我々の知る限りでは、本研究は、1人の被験者に対して2回以上のスキャンを行うことの影響を評価し、システムのロバスト性を確認するための適切な方法を提案した最初の研究である。この結果は、既存の文献の中では競合的なものであり、ADの進行を遅らせたり、予防したりする薬の改善に道を開くものである。

Machine learning algorithms are currently being implemented in an escalating manner to classify and/or predict the onset of some neurodegenerative diseases; including Alzheimer's Disease (AD); this could be attributed to the fact of the abundance of data and powerful computers. The objective of this work was to deliver a robust classification system for AD and Mild Cognitive Impairment (MCI) against healthy controls (HC) in a low-cost network in terms of shallow architecture and processing. In this study, the dataset included was downloaded from the Alzheimer's disease neuroimaging initiative (ADNI). The classification methodology implemented was the convolutional neural network (CNN), where the diffusion maps, and gray-matter (GM) volumes were the input images. The number of scans included was 185, 106, and 115 for HC, MCI and AD respectively. Ten-fold cross-validation scheme was adopted and the stacked mean diffusivity (MD) and GM volume produced an AUC of 0.94 and 0.84, an accuracy of 93.5% and 79.6%, a sensitivity of 92.5% and 62.7%, and a specificity of 93.9% and 89% for AD/HC and MCI/HC classification respectively. This work elucidates the impact of incorporating data from different imaging modalities; i.e. structural Magnetic Resonance Imaging (MRI) and Diffusion Tensor Imaging (DTI), where deep learning was employed for the aim of classification. To the best of our knowledge, this is the first study assessing the impact of having more than one scan per subject and propose the proper maneuver to confirm the robustness of the system. The results were competitive among the existing literature, which paves the way for improving medications that could slow down the progress of the AD or prevent it.