A.I.AI
ConvNeXt–KAN: 脳MRIからの堅牢なアルツハイマー病多段階分類のためのコルモゴロフ・アーノルド・ネットワークヘッド
ConvNeXt–KAN: a Kolmogorov–Arnold Network head for robust multi-class staging of Alzheimer's disease from brain MRI
FIFrontiers in Artificial Intelligence · CC BY 4.0
AIが原文を翻訳・要約しています
脳MRIからのアルツハイマー病の多段階病期分類に向け、ConvNeXt-Tiny特徴抽出器とガウス動径基底関数による学習可能スプライン活性化を備えたコルモゴロフ・アーノルド・ネットワーク(KAN)ヘッドを組み合わせたハイブリッドモデル「ConvNeXt–KAN」が提案された。OASISデータセット特有の不均衡やデータ漏洩の問題に対し、リサンプリング手法やロバストな学習レシピを導入した結果、テストセットで正解率94.5%、マクロ平均F1スコア0.944、平均ROC-AUC 0.991を記録した。外部データセットでも検証が行われ、非認知症と超軽度認知症の境界識別に寄与する一方、臨床適用には被験者レベルの検証が不可欠であると論じている。
KEY POINTS要点記事から抽出した重要情報
- 脳MRIからのアルツハイマー病分類に向け、ConvNeXt-TinyとKANヘッドを組み合わせた「ConvNeXt–KAN」が提案され、テストセットで正解率94.5%、マクロ平均F1スコア0.944を達成した。
CONTEXT文脈編集部による背景整理
従来のCNNと近年注目されるコルモゴロフ・アーノルド・ネットワーク(KAN)を融合させた新アーキテクチャの有効性を示す事例。アルツハイマー病の早期・境界識別の精度向上は診断支援AIの実用化と市場拡大において重要だが、臨床現場への展開には追加検証が必要とみられる。
原文を読むAnalyzed at 2026年10月13日 15:02