SwePub
Sök i LIBRIS databas

  Utökad sökning

id:"swepub:oai:DiVA.org:hh-49079"
 

Sökning: id:"swepub:oai:DiVA.org:hh-49079" > Adopting transfer l...

Adopting transfer learning for neuroimaging : a comparative analysis with a custom 3D convolution neural network model

Soliman, Amira, 1980- (författare)
Högskolan i Halmstad,Akademin för informationsteknologi,Halmstad Univ, Sweden
Chang, Jose R. (författare)
Högskolan i Halmstad,Akademin för informationsteknologi,National Cheng Kung University, Tainan, Taiwan,Halmstad Univ, Sweden; Natl Cheng Kung Univ Tainan, Taiwan
Etminani, Kobra, 1984- (författare)
Högskolan i Halmstad,Akademin för informationsteknologi,Halmstad Univ, Sweden
visa fler...
Byttner, Stefan, 1975- (författare)
Halmstad Univ, Sweden
Davidsson, Anette (författare)
Linköpings universitet,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Region Östergötland, Fysiologiska kliniken US
Martínez-Sanchis, Begoña (författare)
Hospital Universitario La Fe, Valencia, Spain,La Fe Univ Hosp, Spain
Camacho, Valle (författare)
Universitat Autònoma De Barcelona, Cerdanyola del Valles, Spain,Univ Autonoma Barcelona, Spain
Bauckneht, Matteo (författare)
Irccs San Martino Polyclinic Hospital, Genoa, Italy,IRCCS Osped Policlin San Martino, Italy
Stegeran, Roxana (författare)
University Hospital, Linkoping, Sweden,Region Östergötland, Röntgenkliniken i Linköping
Ressner, Marcus (författare)
Linköpings universitet,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Region Östergötland, Medicinsk strålningsfysik
Agudelo-Cifuentes, Marc (författare)
Hospital Universitario La Fe, Valencia, Spain,La Fe Univ Hosp, Spain
Chincarini, Andrea (författare)
Infn Sezione Di Genova, Genoa, Italy,Natl Inst Nucl Phys INFN, Italy
Brendel, Matthias (författare)
Klinikum Der Universität München, Munich, Germany,Ludwig Maximilians Univ Munchen, Germany
Rominger, Axel (författare)
Inselspital, Bern, Switzerland,Univ Hosp Bern, Switzerland
Bruffaerts, Rose (författare)
University Of Antwerp, Antwerpen, Belgium,Univ Antwerp, Belgium
Vandenberghe, Rik (författare)
Department Of Neurosciences, Leuven, Belgium; University Hospitals Leuven, Leuven, Belgium,KU, Belgium; Univ Hosp Leuven, Belgium
Kramberger, Milica G. (författare)
Karolinska Institutet
Trost, Maja (författare)
University Medical Centre Ljubljana, Ljubljana, Slovenia; Faculty Of Medicine, Ljubljana, Slovenia,Univ Med Ctr, Slovenia; Univ Ljubljana, Slovenia
Nicastro, Nicolas (författare)
Geneva University Hospitals, Geneva, Switzerland,Geneva Univ Hosp, Switzerland,Vrije Univ Amsterdam, Netherlands
Frisoni, Giovanni B. (författare)
Geneva University Hospitals, Geneva, Switzerland,Univ Hosp, Switzerland
Lemstra, Afina W. (författare)
Vu University Medical Center, Amsterdam, Netherlands,VU Med Ctr Alzheimer Ctr, Netherlands
Berckel, Bart N.M.van (författare)
Vrije Universiteit Amsterdam, Amsterdam, Netherlands
Pilotto, Andrea (författare)
University Of Brescia, Brescia, Italy,Univ Brescia, Italy
Padovani, Alessandro (författare)
Irccs San Martino Polyclinic Hospital, Genoa, Italy,IRCCS Osped Policlin San Martino, Italy
Morbelli, Silvia (författare)
Stavanger University Hospital, Stavanger, Norway,Stavanger Univ Hosp, Norway
Aarsland, Dag (författare)
Karolinska Institutet
Nobili, Flavio (författare)
University Of Genoa, Genoa, Italy,Univ Genoa, Italy
Garibotto, Valentina (författare)
Geneva University Hospitals, Geneva, Switzerland,Univ Geneva, Switzerland; Univ Geneva, Switzerland
Ochoa-Figueroa, Miguel (författare)
Linköpings universitet,Institutionen för hälsa, medicin och vård,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Fysiologiska kliniken US,Region Östergötland, Röntgenkliniken i Linköping
visa färre...
 (creator_code:org_t)
2022-12-07
2022
Engelska.
Ingår i: BMC Medical Informatics and Decision Making. - London : BioMed Central (BMC). - 1472-6947. ; 22, s. 1-15
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Background: In recent years, neuroimaging with deep learning (DL) algorithms have made remarkable advances in the diagnosis of neurodegenerative disorders. However, applying DL in different medical domains is usually challenged by lack of labeled data. To address this challenge, transfer learning (TL) has been applied to use state-of-the-art convolution neural networks pre-trained on natural images. Yet, there are differences in characteristics between medical and natural images, also image classification and targeted medical diagnosis tasks. The purpose of this study is to investigate the performance of specialized and TL in the classification of neurodegenerative disorders using 3D volumes of 18F-FDG-PET brain scans. Results: Results show that TL models are suboptimal for classification of neurodegenerative disorders, especially when the objective is to separate more than two disorders. Additionally, specialized CNN model provides better interpretations of predicted diagnosis. Conclusions: TL can indeed lead to superior performance on binary classification in timely and data efficient manner, yet for detecting more than a single disorder, TL models do not perform well. Additionally, custom 3D model performs comparably to TL models for binary classification, and interestingly perform better for diagnosis of multiple disorders. The results confirm the superiority of the custom 3D-CNN in providing better explainable model compared to TL adopted ones. © 2022, The Author(s).

Ämnesord

NATURVETENSKAP  -- Data- och informationsvetenskap -- Datorseende och robotik (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Computer Vision and Robotics (hsv//eng)
MEDICIN OCH HÄLSOVETENSKAP  -- Medicinsk bioteknologi -- Biomedicinsk laboratorievetenskap/teknologi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Medical Biotechnology -- Biomedical Laboratory Science/Technology (hsv//eng)

Nyckelord

Brain Neurodegenerative Disorders
Convolution Neural Networks
Medical Image Classification
Transfer Learning

Publikations- och innehållstyp

ref (ämneskategori)
art (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy