NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planİnsan orta beynindeki dopamin taşıyıcısının (DaT) niceliksel ölçüsü genellikle Parkinson hastalığını (PD) analiz etmek için bir biyobelirteç olarak kullanılır.GirişDaT tarama görüntüleri veya Tek foton emisyonu hesaplanmış tomografi (SPECT) görüntüleri dopamin içeriğini daha doğru yakalamak için kullanılır.SPECT görüntülerinin doksan birinde sadece on altı dilim yüksek miktarda dopamin içeriği ve VolumeV oluşturma temelinde seçildi. Bu makale, özellikle PD'yi tanımlamak için VRIS'i tedavi eden JAN Net adlı bir Convolutional Neural Network (CNN) romanı önermektedir. JAN Net, striatumun kenarlarını ve mekansal özelliklerini, konvolüsyonel ve katkı katmanı içeren değiştirilmiş bir exigent özelliği (M-ExFeat) bloğu kullanarak korur. Farklı büyüklükteki konvolutional tabaka, Striatum'un hem düşük hem de üst düzey özelliklerini ayıklar. Ek katman, 1x1, 3x3 ve 5x5 gibi farklı filtre boyutlu konvolutional katmanların tüm özelliklerini toplar. Eklenen çıktı özellikleri, gizli katmandaki nöronların öğrenilebilirliğini artırmak için kullanılır. Ağ performansı, stride 1 ve stride 2.Results için test edilmiştir Sonuçlar Parkinson İlerleme İşaretleyicileri Girişimi (PPMI) veritabanından alınan veri kümesi kullanılarak doğrulanır. JAN Net, doğruluk açısından daha iyi performans sağlar. Adım 2 için eğitim ve doğrulama doğruluğu minimum kayıplarla %100'dür. Sonuç, önerilen mimarinin etkinliğini vurgulamak için farklı derin öğrenme mimarileri ve Extreme Learning Machines (ELM) ve Artificial Neural Networks (ANN) gibi makine öğrenme teknikleri ile karşılaştırıldı.ConclusionHence, mevcut çalışma nöronları bozulmadan korumak için nöroloji uzmanlarına büyük yardımcı olabilir.
Özgün kaynak özetini okuyun
BackgroundThe quantitative measure of dopamine transporter (DaT) in the human midbrain is generally used as a biomarker for analyzing Parkinson's disease (PD).IntroductionDaT scan images or Single- photon emission computed tomography (SPECT) images are utilized to capture the dopamine content more accurately.MethodsOnly sixteen slices out of ninety-one of SPECT images were chosen on the basis of the high amount of dopamine content and were named Volume rendering image slices (VRIS). This paper proposes a novel Convolutional Neural Network (CNN) called JAN Net which particularly treats the VRIS for identifying PD. The JAN Net preserves the edges and spatial features of the striatum by using a modified exigent feature (M-ExFeat) block, that contains convolutional and additive layer. The different-sized convolutional layer extracts both low- and high-level features of Striatum. The additive layer adds up all the features of different filter sized convolutional layers like 1x1, 3x3, and 5x5. The added output features are used to improve the learnability of neurons in the hidden layer. The network performance is tested for stride 1 and stride 2.ResultsThe results are validated using the dataset taken from the Parkinson's Progression Markers Initiative (PPMI) database. The JAN Net ensures improved performance in terms of accuracy. The training and validation accuracy for stride 2 is 100% with minimum losses. The outcome has been compared with different deep learning architectures and the machine learning techniques like Extreme Learning Machines (ELM), and Artificial Neural Networks (ANN) to highlight the efficacy of the proposed architecture.ConclusionHence, the present work could be of great aid to the experts in neurology to protect the neurons from impairment.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.