초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 알츠하이머성 치매 발병 시 가장 먼저 손상되는 기관으로 알려진 Hippocampus를 중심으로 한 알츠하이머성 치매의 상태에 따른 분류 방법을 제안한다. 본 논문에서는 Alzheimer’s Disease Neuroimaging Initiative(ADNI)에서 획득한 알츠하이머 환자의 ...

본 논문에서는 알츠하이머성 치매 발병 시 가장 먼저 손상되는 기관으로 알려진 Hippocampus를 중심으로 한 알츠하이머성 치매의 상태에 따른 분류 방법을 제안한다. 본 논문에서는 Alzheimer’s Disease Neuroimaging Initiative(ADNI)에서 획득한 알츠하이머 환자의 Magnetic Resonance Imaging(MRI) 영상을 사용하였으며, Data Set은 Alzheimer’s Disease(AD), Mild Cognitive Impairment(MCI), Normal Control(NC)로 구성되어 있다.
전체 실험 과정은 영상처리, 질감 분석, 딥러닝으로 구성되어 있다. 먼저, 영상처리에서는 MR 영상에서의 해마를 포함하고 있는 ROI(Region of Interest)를 설정하여 Gabor Filter를 적용한다. 다음 질감 분석 과정에서는 3-Dimensional(3D) Gray Level Co-occurrence Matrix (GLCM)을 사용하여 영상이 가진 질감 특성을 추출하고 Fisher’s Coefficient를 계산하여 분류에 적합한 특성만을 획득하였다. 마지막으로 딥러닝 과정에서는 AD-MCI, AD-NC, MCI-NC 3가지 형태로 구성된 Data Set을 사용하여 제안한 방법에 대한 정확도를 측정하였다.
Deep Learning Model을 활용한 분류 정확도는 AD-MCI(72.5%), AD-NC(85%), MCI-NC(75%)로 도출되었으며, 결과의 객관적인 검증을 위해 Confusion Matrix와 Support Vector Machine(SVM), K-Nearest Neighbor(KNN) 결과를 비교 분석하여 유효성을 검증하였다. 그 결과 제안한 모델은 SVM, KNN 보다 6∼19% 높은 정확도를 보였다. 이를 통해 제안한 방법이 알츠하이머성 치매의 조기진단을 위한 진단 도구로 사용될 수 있는 타당성과 우수성을 증명하였다.

Keyword