تشخیص زودهنگام و غربال گری بیماری آلزایمر با استفاده از یادگیری عمیق

با پیر شدن جامعه معاصر، اختلالات شناختی و زوال عقل در سالمندان، عمدتا بیماری آلزایمر (AD )، به طور فزاینده ای جدی شده است. به عنوان یک سندرم چند عاملی، چند مرحلهای و بالینی همراه با بیماری های همراه، اختلال شناختی پیری پس از ظاهر شدن علائم بالینی، منجر به زوال عقل غیرقابل برگشت می شود و در نهایت منجر به مرگ می شود. بیماری آلزایمر در حال حاضر غیر قابل برگشت است، درمان های موثر در عمل بالینی وجود ندارد. توسعه وضعیت بیمار چندین مرحله را طی می کند، بنابراین تشخیص به موقع ضروری است. مداخله زودهنگام بیماری آلزایمر می تواند به طور موثری پیشرفت بیماری را کاهش دهد و در عین حال بار خانواده بیماران و جامعه ما را کاهش دهد. این مقاله روشی مبتنی بر یادگیری عمیق را برای تشخیص زودهنگام و غربالگری AD معرفی می کند. روش این است که یک تصویر تشدید مغناطیسی سه بعدی از مغز انسان را برش دهیم تا یک تصویر دو بعدی تولید کنیم، سپس از یک شبکه تشخیص شی، Faster R-CNN برای تشخیص آتروفی ناحیه هیپوکامپ مغز انسان استفاده می کنیم تا تشخیص بیماری آلزایمر را محقق سازیم. یک شبکه جدید بر اساس VGG۱۶ به عنوان شبکه اصلی Faster R-CNN برای استخراج نقشه های ویژگی و دستیابی به تشخیص با دقت باالی نمونه های AD، اصلاح و بهینه می شود. همزمان، برای مجموعه ارزیابی، دقت ۹۷.۶۷% .تصویر تشخیص داده شده حاصل می شود

کلیدواژه ها:

بیماری آلزایمر ، تشخیص زودهنگام ، یادگیری عمیق ، تشخیص شی ، شبکه Faster R-CNN