Насколько высоки CNN и Vision трансформаторы для классификации МРТ Альцгеймера по всему массиву данных?

arXiv: 261 030.33416v 1 Annualce Type: новый резюме: точная оценка степени болезни Альцгеймера на основе МРТ имеет важное значение для понимания динамики заболеваний и поддержки разработки компьютерных инструментов анализа. Модели глубокого обучения показали многообещающие результаты классификации болезни Альцгеймера на основе МРТ. Однако при оценке на основе единых наборов данных трудно определить, отражает ли наблюдаемая производительность последовательное архитектурное поведение или воздействие конкретных наборов данных. В этой работе мы представляем систему контрольных параметров с использованием множества данных, а также стандартизованную предварительную обработку и оценку. Мы сравниваем пять архитектур: ResNet-50, ReXNet-150, Swin Transformer, ViT-Base и Vit-max. Эти модели оцениваются по трем наборам данных МРТ, представляющим собой серьезный дисбаланс классов, несоответствие между испытаниями на распределение поездов и крупномасштабные дополнения. Полученные результаты свидетельствуют о наличии в целом последовательных моделей работы по всем наборам данных, при этом ВИТ обеспечивает достижение наилучших результатов по всем трем данным.