MRI를 이용한 치매 진단을 위한 패턴인식 기법의 비교분석
Comparative Analysis on Pattern Recognition Techniques for Diagnosis of Alzheimer's Disease using MRI data
1
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
고령화 사회가 속화 됨에 따라 노인성 질환도 격하게 증가하고 있는 추세이다. 특히 치매는 나이가 들어감에 따 라 발병률이 높아지고 있는 질병이기 때문에 치매에 한 심이 높아지고 있다. 최근 치매증상을 조기 발견함으로 서 치료가 가능하다는 연구에 의하여 조기진단의 요성이 높아지고 있다. 치매 진단을 해 자기공명상(MRI)데 이터를 가지고 실험하다. 본 논문에서는 MRI의 특정 정보 데이터를 가지고 패턴인식 분야에서 자주 쓰이는 알고 리즘에 해 비교 평가해 보았다. 패턴인식 알고리즘인 주성분분석, 선형별분석, 서포트 벡터 머신, 딥러닝을 활 용하여 치매조기진단을 해 정상, 경도인지장애, 치매환자를 구분한다. 각 알고리즘에 한 특징을 알아보고 한 알고리즘을 선택하여 치매조기진단에 기여하도록 알고리즘을 비교 분석하다.
Abstract
As the trend of aging in Korea grows rapidly, age-related diseases are also becoming more serious. In particular, dementia, especially, Alzheimer’s disease (AD), is one of the increasing concerns because the incidence rate is increasing with age. Depending on the recent researches that AD can be cured if it can be early diagnosed, the importance of early diagnosis of AD are getting more attention. For this purpose, we compared several classification algorithms in the field of pattern recognition using MRI-specific information. More specifically, for the classification of cognitively normal (CN), late mild cognitive impairment (LMCI), and AD subjects, we used Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM), Neural Networks (NNs), and Deep Learning. We briefly analyzed the characteristics of each algorithm, and compared them in the classification problem to find the suitable algorithm for assisting the diagnosis of AD progression.
참고문헌 (21)
- 홍정민, "치매와 경도인지장애에 대한 고찰", 한국콘텐츠학회지, 10(2), pp.25~30 (2012)
- Alzheimer's Disease:Overview and Current Research, "Allan Levey", Director of Emory's Alzheimer's Disease Research Center, ~ (2013)
- Ronald C. Petersen, "Mild cognitive impairment:clinical characterization and outcome", Arch Neurol, 56(3), pp.303~308 (1999)
- "2013년 사망원인통계"[URL]
- "2014 고령자 통계"[URL]
- 치매 예측 및 조기진단 기술, "추일한", ~, pp.2014년 전문가 리포트 6호 (2014)
- "영상강의 - Principal Component Analysis", 원태연[URL]
- "Principal Component Analysis algorithm"[URL]
- "A tutorial on Principal Components Analysis" (2002)[URL]
- E. KREYSZIG, "ADVANCED ENGINEERING MATHEMATICS" (2006), Wiley
- 한학용, "패턴인식 개론" (2014), 한빛아카데미
- "ECE271B : Statistical Learning II"[URL]
- "ECE 175: Elements of Machine Intelligence"[URL]
- SC Wang, "Artificial neural network", Interdisciplinary Computing in Java Programming, ~ (2003)
- 권성준, "인공신경망을 통한 확산계수 도출과 공극구조의 변화를 고려한 콘크리트 탄산한 해석", 대한토목학회 논문집A, 27(1A), pp.107~116 (2007), 대한토목학회
- Vivien Rossi, "Bayesian Multioutput Feedforward Neural Networks Comparison: A Conjugate Prior Approach", IEEE TRANSACTIONS ON NEURAL NETWORKS, 17(1) (2006)
- Jouko Lampinen, "Bayesian approach for neural Networks - review and case studies", Neural Networks, 14, pp.257~274 (2001)
- Karen Simonyan, "Very Deep ConvNets for Large-Scale Image Recognition", Google DeepMind, ~
- K Fukushima, "Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position", Biol. Cybernetics, 36, pp.193~202 (1980)
- LeCun, "Backpropagation Applied to Handwritten Zip Code Recognition", Neural Computation, 1, pp.541~551 (1989)
- LeCun, Y., "Gradient-based learning applied to document recognition", Proceedings of the IEEE, 86(11), pp.2278~2324 (1998)