earticle

영어

Efficient and precise diagnosis of Alzheimer’s disease (AD) and different types of dementia is a new topic of research. It is essential to have an accurate examination of both of these diseases for their medical treatment. However, the traditional classification has expensive, slow performance, and irreproducible. Therefore, our goal is to present an automatic computer-aided system for brain image classification. We use 66 T2-weighted images downloaded from Harvard Medical School. In this paper, we propose to use SMRI as a biomarker. First we use 2D discrete wavelet transform (2D-DWT) along with Daubechies-4 from wavelet families for feature extraction from MRI. Second, principal component analysis (PCA) is employed for the reduction of the feature to only 10. Third, those reduced feature were fed to Bagged Trees classifier for classification. A 6-fold cross validation (CV) has showed the classification accuracy of 69.7% .Thus, Bagged Trees classifier is effective and this approach can be a beneficial tool in practical.

한국어

치매의 다양한 형태와 알츠하이머병의 효율적이고 정확한 진단은 최신 연구 주제이다. 치매환자의 의학적 치료를 위해 치매와 알츠하이머병의 정확한 실험은 필수적이다. 그러나 전통적인 분류법은 가격이 비싸고 성능이 느리며 재현불가능하다. 그러므로 목표는 뇌 영상 분류를 위한 자동적 컴퓨터 기반 시스템을 재현하는 것이다. 하버드 메디컬학교로부터 T2급 66개의 다운로드된 영상을 사용한다. 이 논문에서 바이오마커로 SMRI 사용을 제안한다. 우선, MRI로부터 특징 추출을 위해 웨이브렛 변환들 중 Daubechies-4의 이차원 이산 웨이브렛 변환 (2-D DWT)를 사용한다. 둘째로 주성분분석 (PCA)은 단지 10개의 특징 절감을 위해 이용한다. 세 번째로 이러한 감소된 특징은 분류를 위해 Bagged Trees 분류기를 이용한다. 6배 교차 검증은 69.7%의 분류 정확도를 보여준다. 게다가Bagged Trees 분류기는 효과적이며 이러한 접근은 실용적으로 유익한 툴이 될 수 있다.