Vision Transformer Approach in the Diagnosis of Alzheimer’s Disease: An Innovative Review

Mehmet Emre Sertkaya; Burhan Ergen

Makale detayları

Vision Transformer Approach in the Diagnosis of Alzheimer’s Disease: An Innovative Review

Yazarlar:

Mehmet Emre Sertkaya | Burhan Ergen

Yayıncı:

Fırat University

Ana Başlıklar:

Derin Öğrenme | Biyomedikal Görüntüleme | Biyomedikal Tanı

Dergi:

Fırat Üniversitesi Mühendislik Bilimleri Dergisi Vol.36 Issue 2, pp.609-619

Belge Tipi:

Makale

Yayın Tarihi:

9/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001317067

pISSN:

1308-9072

Anahtar kelimeler:

Özet:

 Alzheimers disease, a neurodegenerative disease, is the most common type of Dementia. Currently, there is no definitive cure for this disease and treatment methods are applied to slow down the progression of this disease. Therefore, early diagnosis of the disease and prevention of confusion with other diseases is of critical importance. In this study, it is aimed to detect Alzheimers disease with Image Transform methods using three-dimensional MR images collected by the Alzheimers Disease Neuroimaging Initiative ADNI. This dataset, which consists of Alzheimers patients AD, Mild Cognitive Impairment MCI and healthy individuals Cognitive Normal CN, is divided into 70 training, 10 validation and 20 test datasets. In addition to various deep learning methods in the literature, classification was performed using a new approach, Vision Transformer. The results of the study show that the Vision Transformer achieved 79.8 success in ADMCI binary classification, 80.3 success in MCICN binary classification and 89.3 success in ADCN binary classification.

 Alzheimers disease, a neurodegenerative disease, is the most common type of Dementia. Currently, there is no definitive cure for this disease and treatment methods are applied to slow down the progression of this disease. Therefore, early diagnosis of the disease and prevention of confusion with other diseases is of critical importance. In this study, it is aimed to detect Alzheimers disease with Image Transform methods using three-dimensional MR images collected by the Alzheimers Disease Neuroimaging Initiative ADNI. This dataset, which consists of Alzheimers patients AD, Mild Cognitive Impairment MCI and healthy individuals Cognitive Normal CN, is divided into 70 training, 10 validation and 20 test datasets. In addition to various deep learning methods in the literature, classification was performed using a new approach, Vision Transformer. The results of the study show that the Vision Transformer achieved 79.8 success in ADMCI binary classification, 80.3 success in MCICN binary classification and 89.3 success in ADCN binary classification.

 Alzheimers disease, a neurodegenerative disease, is the most common type of Dementia. Currently, there is no definitive cure for this disease and treatment methods are applied to slow down the progression of this disease. Therefore, early diagnosis of the disease and prevention of confusion with other diseases is of critical importance. In this study, it is aimed to detect Alzheimers disease with Image Transform methods using three-dimensional MR images collected by the Alzheimers Disease Neuroimaging Initiative ADNI. This dataset, which consists of Alzheimers patients AD, Mild Cognitive Impairment MCI and healthy individuals Cognitive Normal CN, is divided into 70 training, 10 validation and 20 test datasets. In addition to various deep learning methods in the literature, classification was performed using a new approach, Vision Transformer. The results of the study show that the Vision Transformer achieved 79.8 success in ADMCI binary classification, 80.3 success in MCICN binary classification and 89.3 success in ADCN binary classification.

 Nörodejeneratif bir hastalık olan Alzheimer hastalığı, Demansın en yaygın türüdür. Şu an için kesin bir tedavisi bulunmayan bu hastalığın ilerlemesini yavaşlatıcı tedavi yöntemleri uygulanmaktadır. Bu nedenle, hastalığın erken teşhisi ve diğer hastalıklarla karıştırılmaması kritik öneme sahiptir. Bu çalışmada, Alzheimers Disease Neuroimaging Initiative ADNI tarafından toplanan üç boyutlu MR görüntüleri kullanılarak Görüntü Dönüştürücü yöntemleriyle Alzheimer hastalığının tespit edilmesi amaçlanmaktadır. Alzheimer hastaları AD, Hafif Bilişsel Bozukluk Mild Cognitive Impairment - MCI ve sağlıklı bireylerdenCognitive Normal - CN oluşan bu veri seti, 70i eğitim, 10u doğrulama ve 20si test veri setleri olarak ayrılmıştır. Literatürdeki çeşitli derin öğrenme yöntemlerinin yanı sıra yeni bir yaklaşım olan Görüntü Dönüştürücü Vision Transformer kullanılarak sınıflandırma yapılmıştır. Çalışma sonuçları, test görüntülerinde Görüntü Dönüştürücünün ADMCI ikili sınıflandırmasında 79,8 başarı, MCICN ikili sınıflandırmasında 80,3 başarı ve ADCN ikili sınıflandırmada 89,3 başarı elde ettiğini göstermektedir.

Makale detayları

Vision Transformer Approach in the Diagnosis of Alzheimer’s Disease: An Innovative Review

Yazarlar:

Mehmet Emre Sertkaya | Burhan Ergen

Yayıncı:

Fırat University

Ana Başlıklar:

Derin Öğrenme | Biyomedikal Görüntüleme | Biyomedikal Tanı

Dergi:

Fırat Üniversitesi Mühendislik Bilimleri Dergisi Vol.36 Issue 2, pp.609-619

Belge Tipi:

Makale

Yayın Tarihi:

9/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001317067

pISSN:

1308-9072

Alzheimer

Vision Transformer

Convolutional Networks

ADNI dataset.Alzheimer Hastalığı

Görüntü Dönüştürücü

Evrişimsel Ağlar

ADNI veri seti

Sayı

Makale detayları

Yazarlar: Mehmet Emre Sertkaya | Burhan Ergen

Yayıncı: Fırat University

Ana Başlıklar: Derin Öğrenme | Biyomedikal Görüntüleme | Biyomedikal Tanı

Dergi: Fırat Üniversitesi Mühendislik Bilimleri Dergisi Vol.36 Issue 2, pp.609-619

Belge Tipi: Makale

Yayın Tarihi: 9/2024

Belge Dili: Türkçe

Document ID (Org No.): 2001317067

pISSN: 1308-9072

Sayı

Yazarlar:

Mehmet Emre Sertkaya | Burhan Ergen

Yayıncı:

Fırat University

Ana Başlıklar:

Derin Öğrenme | Biyomedikal Görüntüleme | Biyomedikal Tanı

Dergi:

Fırat Üniversitesi Mühendislik Bilimleri Dergisi Vol.36 Issue 2, pp.609-619

Belge Tipi:

Makale

Yayın Tarihi:

9/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001317067

pISSN:

1308-9072