ホスナ・ガフラマニ(Hosna Ghahramani)らの研究チームは、脳MRIからアルツハイマー病を診断する畳み込みニューラルネットワーク群「CortexNet」を、2026年7月31日にScientific Reportsで発表した。研究では、ネットワークを深くすれば検出性能の向上が計算量の増加に見合うかを検証し、複数バージョンの比較後にCortexNet_V1を最終モデルとして選んだ。

チームは、乱数シード42、123、456を用いた3回の独立した訓練・テストでCortexNet_V1を評価した。モデルは2クラス、3クラス、4クラスの3つの分類設定でテストされた。平均精度は2クラスで98.91 ± 0.31%、3クラスで98.60 ± 0.21%、4クラスで98.39 ± 0.36%であり、著者らは異なる初期化条件でも安定した性能を示したと述べた。

CortexNet_V1の計算量は0.059 GFLOPs（浮動小数点演算の十億回単位）にとどまり、使用データセット上で競争力のある精度を保ちながら、より深いCortexNet派生モデルや事前学習モデルより計算コストが低かった。著者らは、軽量で対象を絞ったアーキテクチャにより、ネットワークを深くせずに計算コストを下げられ、特に計算資源が限られる環境で知的なアルツハイマー診断システムを支え得ると述べた。

論文は、アルツハイマー病を最も一般的な変性性脳疾患の一つと位置づけ、早期発見は臨床管理の改善、治療効果の向上、病状進行に伴う影響の軽減につながるとした。著者らは競合利益がないと宣言し、所属先にはテヘラン、ケルマーンシャー、タブリーズのIslamic Azad University各校、イスタンブールのIstinye University、バクーのKhazar Universityが含まれる。

ホスナ・ガフラマニ(Hosna Ghahramani)らの研究チームは、脳MRIからアルツハイマー病を診断する畳み込みニューラルネットワーク群「CortexNet」を、2026年7月31日にScientific Reportsで発表した。研究では、ネットワークを深くすれば検出性能の向上が計算量の増加に見合うかを検証し、複数バージョンの比較後にCortexNet_V1を最終モデルとして選んだ。

チームは、乱数シード42、123、456を用いた3回の独立した訓練・テストでCortexNet_V1を評価した。モデルは2クラス、3クラス、4クラスの3つの分類設定でテストされた。平均精度は2クラスで98.91 ± 0.31%、3クラスで98.60 ± 0.21%、4クラスで98.39 ± 0.36%であり、著者らは異なる初期化条件でも安定した性能を示したと述べた。

CortexNet_V1の計算量は0.059 GFLOPs（浮動小数点演算の十億回単位）にとどまり、使用データセット上で競争力のある精度を保ちながら、より深いCortexNet派生モデルや事前学習モデルより計算コストが低かった。著者らは、軽量で対象を絞ったアーキテクチャにより、ネットワークを深くせずに計算コストを下げられ、特に計算資源が限られる環境で知的なアルツハイマー診断システムを支え得ると述べた。

論文は、アルツハイマー病を最も一般的な変性性脳疾患の一つと位置づけ、早期発見は臨床管理の改善、治療効果の向上、病状進行に伴う影響の軽減につながるとした。著者らは競合利益がないと宣言し、所属先にはテヘラン、ケルマーンシャー、タブリーズのIslamic Azad University各校、イスタンブールのIstinye University、バクーのKhazar Universityが含まれる。