تشخیص بیماری آلزایمر با استفاده از شبکه عصبی عمیق U-Net بهینه یافته

بیماری آلزایمر، شایعترین نوع زوال عقل است که هنوز درمان موثری برای آن وجود ندارد. طبقه بندی دقیق بیماری آلزایمر می تواند به تشخیص و انتخاب موثرترین گزینه های درمانی کمک نماید. هدف این مقاله، ارائه یک روش تشخیص خودکار و دقیق بیماری آلزایمر با استفاده از تصاویر MRI می باشد. به همین منظور قطعه بندی تصاویر مغزی با استفاد ه از الگوریتم یادگیری عمیق U-Net توسعه یافته، پیشنهاد شده است. در روش پیشنهادی جهت بهبود عملکرد شبکه U-NET ، مقدار بهینه هایپرپارامترهای این شبکه توسط الگوریتم ملخ بدست آمده است. جهت ارزیابی روش پیشنهادی از مجموعه داده ADNI استفاده شده است. نتایج اولیه نشان دهنده اثربخشی سیستم تشخیص آلزایمر است. همچنین نتایج ارزیابی ها نشان می دهد که در مدل پیشنهادی ضریب دایس ۰/۹۵۰۴ و دقت ۰/۹۵۳ می باشد که در مقایسه با روش های دیگر به عملکرد بهتری دست یافته است .

کلیدواژه ها:

بیماری آلزایمر ، یادگیری عمیق ، شبکه U-NET ، الگوریتم ملخ