引入DEFORMISE：一种用于老年人痴呆诊断的深度学习框架，利用优化的MRI切片选择
Introducing DEFORMISE: A deep learning framework for dementia diagnosis in the elderly using optimized MRI slice selection
- International Hellenic University（国际希腊大学）
- MetaMind Innovations
- Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
- Kingston University London（伦敦金斯顿大学）
- University of Western Macedonia（西马其顿大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
DEFORMISE通过优化MRI切片选择和深度学习模型，实现高准确率的老年人痴呆诊断。
AI中文摘要：
痴呆是一种影响全球数百万人的严重神经疾病，给诊断带来了重大挑战。在本工作中，我们介绍了DEFORMISE，一种新的深度学习框架，用于对老年人进行痴呆诊断，使用优化的3D脑磁共振成像（MRI）扫描切片选择。我们的方法特征是一种独特的技术，用于选择性地处理MRI切片，专注于最相关的脑区并排除信息较少的部分。这种方法由三个新的深度学习模型组成的基于置信度的分类委员会加以补充。在Open OASIS数据集上测试，我们的方法达到了94.12%的准确率，超过了现有方法。进一步在ADNI数据集上的验证证实了我们方法的稳健性和泛化能力。使用可解释人工智能（XAI）技术以及全面的消融研究进一步证明了我们技术的有效性，提供了关于决策过程和我们方法重要性的见解。这项研究在痴呆诊断方面提供了重大进展，提供了一个高度准确且高效的临床应用工具。
英文摘要：
Dementia, a debilitating neurological condition affecting millions worldwide, presents significant diagnostic challenges. In this work, we introduce DEFORMISE, a novel DEep learning Framework for dementia diagnOsis of eldeRly patients using 3D brain Magnetic resonance Imaging (MRI) scans with Optimized Slice sElection. Our approach features a unique technique for selectively processing MRI slices, focusing on the most relevant brain regions and excluding less informative sections. This methodology is complemented by a confidence-based classification committee composed of three novel deep learning models. Tested on the Open OASIS datasets, our method achieved an impressive accuracy of 94.12%, surpassing existing methodologies. Furthermore, validation on the ADNI dataset confirmed the robustness and generalizability of our approach. The use of explainable AI (XAI) techniques and comprehensive ablation studies further substantiate the effectiveness of our techniques, providing insights into the decision-making process and the importance of our methodology. This research offers a significant advancement in dementia diagnosis, providing a highly accurate and efficient tool for clinical applications.
