アルツハイマー病診断のためのディープラーニングを用いたMRIによる脳のセグメンテーションと分類.A Survey

MRI Segmentation and Classification of Human Brain Using Deep Learning for Diagnosis of Alzheimer's Disease: A Survey.

• Nagaraj Yamanakkanavar
• Jae Young Choi
• Bumshik Lee

抄録

多くの神経学的疾患や病理学的領域を分析し、磁気共鳴画像（MRI）の助けを借りて研究された脳の解剖学的な構造があります。アルツハイマー病（AD）の患者さんを早期に発見し、予防策を講じることが重要です。セグメント化されたMRIから組織構造を詳細に分析することで、特定の脳疾患をより正確に分類することができます。ADを診断するためのいくつかのセグメンテーション法が複雑さを変えながら提案されてきた。ディープラーニングアプローチを用いた脳構造のセグメンテーションとADの分類は、大規模なデータセットに対して効果的な結果が得られることから注目されています。そのため、現在では最先端の機械学習法よりも深層学習法の方が好まれている。本研究では、ADの診断のための脳MRIの定量的解析のために、現在のディープラーニングに基づくセグメンテーションアプローチの概要を提供することを目的としている。ここでは、畳み込みニューラルネットワークアーキテクチャがどのように解剖学的な脳構造を分析し、ADを診断するために使用されているかを報告し、脳MRIのセグメンテーションがADの分類をどのように改善するかを議論し、最先端のアプローチを記述し、公開されているデータセットを使用してそれらの結果を要約する。最後に、現在の問題点への洞察を提供し、ADのためのコンピュータ支援診断システムを構築する上で可能性のある将来の研究の方向性を議論します。

Many neurological diseases and delineating pathological regions have been analyzed, and the anatomical structure of the brain researched with the aid of magnetic resonance imaging (MRI). It is important to identify patients with Alzheimer's disease (AD) early so that preventative measures can be taken. A detailed analysis of the tissue structures from segmented MRI leads to a more accurate classification of specific brain disorders. Several segmentation methods to diagnose AD have been proposed with varying complexity. Segmentation of the brain structure and classification of AD using deep learning approaches has gained attention as it can provide effective results over a large set of data. Hence, deep learning methods are now preferred over state-of-the-art machine learning methods. We aim to provide an outline of current deep learning-based segmentation approaches for the quantitative analysis of brain MRI for the diagnosis of AD. Here, we report how convolutional neural network architectures are used to analyze the anatomical brain structure and diagnose AD, discuss how brain MRI segmentation improves AD classification, describe the state-of-the-art approaches, and summarize their results using publicly available datasets. Finally, we provide insight into current issues and discuss possible future research directions in building a computer-aided diagnostic system for AD.