用于阿尔茨海默病分类的卷积神经网络：综述与可复现评估
机器学习
2020-06-02 v6 图像与视频处理
机器学习
摘要
已有超过30篇论文提出使用卷积神经网络（CNN）从解剖结构MRI进行阿尔茨海默病（AD）分类。然而，由于受试者筛选、图像预处理或验证流程等组成部分的差异，不同研究之间的分类性能难以比较。此外，由于这些研究的框架未公开且缺乏实现细节，它们几乎无法被复现。最后，其中部分论文可能因不当或不明确的验证或模型选择流程而报告有偏的性能。在本工作中，我们旨在通过三项主要贡献解决这些局限。首先，我们进行了系统的文献综述，发现超过一半的被调查论文可能存在数据泄漏。我们的第二项贡献是扩展了基于CNN和T1加权MRI的AD分类开源框架。最后，我们使用该框架严格比较了不同的CNN架构。数据在最开始被划分为训练/验证/测试集，且仅训练/验证集用于模型选择。为避免任何过拟合，测试集一直保留至同行评审结束前未被使用。总体而言，不同的三维方法（3D-subject、3D-ROI、3D-patch）取得了相似的性能，而二维切片方法的性能较低。值得注意的是，不同的CNN方法并未优于使用基于体素特征的SVM。这些方法对相似人群泛化良好，但对具有不同纳入标准或人口统计学特征的数据集泛化不佳。
引用
@article{arxiv.1904.07773,
title = {Convolutional Neural Networks for Classification of Alzheimer's Disease: Overview and Reproducible Evaluation},
author = {Junhao Wen and Elina Thibeau-Sutre and Mauricio Diaz-Melo and Jorge Samper-Gonzalez and Alexandre Routier and Simona Bottani and Didier Dormont and Stanley Durrleman and Ninon Burgos and Olivier Colliot},
journal= {arXiv preprint arXiv:1904.07773},
year = {2020}
}