遺伝的アルゴリズムに基づく深層学習ニューラルネットワーク構造とハイパーパラメータ最適化

アルツハイマー病は高齢化社会の主要な課題の1つであり、さまざまなバイオマーカーを通じた診断と予測が重要です。深層学習の応用は最近医療業界全体に広がっていますが、これらの技術の経験的設計は非常に困難です。この問題の主な理由は、畳み込みニューラルネットワーク（CNN）の性能が入力データセットの統計分布によって大きく異なるためです。異なるハイパーパラメータもCNNモデルの収束に大きな影響を与えます。この情報量を考えると、ネットワーク構造に適切なパラメータを選択することは大きな研究分野になっています。遺伝的アルゴリズム（GA）は、高性能のネットワークアーキテクチャを自動的に選択するための非常に人気のある手法です。この論文では、GAを使用してネットワークアーキテクチャを最適化する可能性を示します。GAの探索空間にはネットワーク構造の構成とハイパーパラメータの両方が含まれています。私たちのアルゴリズムの性能を検証するために、アルツハイマー病の診断に使用されるアミロイド脳画像データセットを使用しました。その結果、私たちのアルゴリズムは与えられた分類タスクで遺伝的CNNを11.73%上回りました。