利用简单数据预处理增强阿尔茨海默病 fMRI 扫描中分类算法的可学习性
机器学习
2019-12-11 v1 图像与视频处理
摘要
阿尔茨海默病（AD）是最常见的痴呆类型。在所有主要国家，它都是老年人死亡的主要原因之一。目前，其诊断依靠计算 MMSE 评分以及对 MRI 扫描的人工研读。此外，不同机器学习方法被用于自动诊断，但现有方法在准确性方面存在一定局限。本文提出了一些新颖的预处理技术，显著提升了多种分类算法的准确率，同时减少了训练时间。首先，我们将 4D 格式的 ADNI 数据集转换为 2D 形式。我们还通过减少输入数据集的参数同时保留重要相关数据，降低了计算成本。我们通过灰度图像转换、直方图均衡化以及数据集选择性裁剪等不同预处理步骤实现了这一点。我们在测试数据集中观察到最高 97.52% 的准确率与 97.6% 的灵敏度。
引用
@article{arxiv.1912.04453,
title = {Enhancing Learnability of classification algorithms using simple data preprocessing in fMRI scans of Alzheimer's disease},
author = {Rishu Garg and Rekh Ram Janghel and Yogesh Rathore},
journal= {arXiv preprint arXiv:1912.04453},
year = {2019}
}
备注
8 Pages, 6 Figures, 3 Tables