Addformer: Alzheimer’s Disease Detection from Structural Mri Using Fusion Transformer

计算机科学 杠杆(统计) 人工智能 痴呆 认知障碍 上下文图像分类 学习迁移 变压器 深度学习 水准点(测量) 机器学习 模式识别(心理学) 疾病 图像(数学) 医学 病理 物理 电压 地理 量子力学 大地测量学
作者
Rafsanjany Kushol,Abbas Masoumzadeh,Huo Dong,Sanjay Kalra,Yee‐Hong Yang
标识
DOI:10.1109/isbi52829.2022.9761421
摘要

Alzheimer's disease is the most prevalent neurodegenerative disorder characterized by degeneration of the brain. It is classified as a brain disease causing dementia that presents with memory loss and cognitive impairment. Experts primarily use brain imaging and other tests to rule out the disease. To automatically detect Alzheimer's patients from healthy controls, this study adopts the vision transformer architecture, which can effectively capture the global or long-range relationship of image features. To further enhance the network's performance, frequency and image domain features are fused together since MRI data is acquired in the frequency domain before being transformed to images. We train the model with selected coronal 2D slices to leverage the transfer learning property of pre-training the network using ImageNet. Finally, the majority voting of the coronal slices of an individual subject is used to generate the final classification score. Our proposed method has been evaluated on the publicly available benchmark dataset ADNI. The experimental results demonstrate the advantage of our proposed approach in terms of classification accuracy compared with that of the state-of-the-art methods. Our code is available at https://github.com/rkushol/ADDFormer.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
阿狸完成签到 ,获得积分10
1秒前
orixero应助无奈的萍采纳,获得10
4秒前
路路完成签到 ,获得积分10
5秒前
愉快的老三完成签到,获得积分10
9秒前
简奥斯汀完成签到 ,获得积分10
14秒前
《子非鱼》完成签到,获得积分10
15秒前
高兴的问儿完成签到 ,获得积分10
16秒前
lilili完成签到,获得积分10
16秒前
一区种子选手完成签到,获得积分10
21秒前
24秒前
26秒前
apollo3232完成签到,获得积分10
27秒前
无奈的萍发布了新的文献求助10
32秒前
bigpluto完成签到,获得积分10
32秒前
CLTTTt完成签到,获得积分10
38秒前
乐乐应助无奈的萍采纳,获得10
38秒前
无限的含羞草完成签到,获得积分10
45秒前
某某完成签到 ,获得积分10
49秒前
小瑄完成签到 ,获得积分10
55秒前
Ava应助wendydqw采纳,获得10
57秒前
行云流水完成签到,获得积分10
1分钟前
tiantian0518完成签到 ,获得积分10
1分钟前
1分钟前
gmc完成签到 ,获得积分10
1分钟前
kangshuai完成签到,获得积分10
1分钟前
1分钟前
冯大夫发布了新的文献求助10
1分钟前
sxqqq发布了新的文献求助10
1分钟前
褚浩然完成签到,获得积分10
1分钟前
这么年轻压根睡不着完成签到 ,获得积分10
1分钟前
1分钟前
zjzyw完成签到 ,获得积分10
1分钟前
qzp完成签到 ,获得积分10
1分钟前
无奈的萍发布了新的文献求助10
1分钟前
美满的小蘑菇完成签到 ,获得积分10
1分钟前
1分钟前
坚定的小蘑菇完成签到 ,获得积分10
1分钟前
米博士完成签到,获得积分10
1分钟前
雪雪完成签到 ,获得积分10
1分钟前
劉劉完成签到 ,获得积分10
1分钟前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
Les Mantodea de Guyane Insecta, Polyneoptera 2500
Computational Atomic Physics for Kilonova Ejecta and Astrophysical Plasmas 500
Technologies supporting mass customization of apparel: A pilot project 450
Brain and Heart The Triumphs and Struggles of a Pediatric Neurosurgeon 400
Cybersecurity Blueprint – Transitioning to Tech 400
Mixing the elements of mass customisation 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3782730
求助须知:如何正确求助?哪些是违规求助? 3328104
关于积分的说明 10234493
捐赠科研通 3043130
什么是DOI,文献DOI怎么找? 1670450
邀请新用户注册赠送积分活动 799702
科研通“疑难数据库(出版商)”最低求助积分说明 758994