Generating Attention Maps from Eye-gaze for the Diagnosis of Alzheimer’s Disease EVALUATED

Detalhes: As redes neuronais convolucionais (CNNs) são atualmente o melhor método computacional para o diagnóstico da doença de Alzheimer (AD) a partir de neuroimagens. As CNNs conseguem aprender automaticamente uma hierarquia de características espaciais, mas não estão otimizadas para incorporar conhecimento de domínio. Neste trabalho, estuda-se a geração de mapas de atenção baseados no olhar de um especialista humano em scans cerebrais (conhecimento de domínio) de modo a guiar o modelo profundo a focar-se nas regiões mais relevantes para o diagnóstico de AD. Duas estratégias para gerar os mapas a partir do olhar foram investigadas; o uso de mapas médios e supervisionar uma rede para gerar os mapas de atenção. Estas abordagens foram comparadas com uma máscara (atenção dura) das regiões de interesse (ROI) e CNNs com mecanismos de atenção tradicionais. Nas experiências, foram usados scans de tomografia por emissão de positrões (PET) da base de dados Alzheimer Disease Neuroimaging Initiative (ADNI). Para a tarefa de controlo normal (NC) vs Alzheimer (AD), o melhor modelo é o que insere regiões de interesse (ROI), que atingiu uma precisão de 95,6%, 0,4% acima da CNN standard.

Discussão: novembro 15, 2022, 17:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Carlos Alberto Valdés Antunes (ist186959)

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar