تشخیص بیماری آلزایمر با استفاده از شبکه عصبی CNN

بیماری آلزایمر (AD) یکی از شایع ترین بیماری های تخریب کننده عصبی در جهان و شایع ترین علت زوال عقل در زمان های اخیر، تشخیص دقیق و زودهنگام AD نقش حیاتی در مراقبت از بیمار و درمان بیشتر دارد. در این مقاله مدل های یادگیری عمیق بر روی تصاویر MRI به منظور شناسایی و پیش بینی تکامل بیماری بررسی می شود. الگوریتم یادگیری عمیق پیشنهادی برای ویژگی های استخراج شده به صورت دستی نیاز ندارد، بلکه در عوض از مدل های پردازش تصویر سه بعدی برای یادگیری ویژگی های تشخیص و پیش آیند AD استفاده می کند. از حذف تصویر جمجمه و نرم افزاری شدت تصاویر پزشکی در مرحله پیش پردازش استفاده نمودیم. هیپوکامپ، ناحیه ای از مغز که برای یادگیری و حافظه حیاتی است، به ویژه در مراحل اولیه بیماری آلزایمر تحت تاثیر قرار می گیرد. از تصاویر این منطقه برای الگوریتم CNN استفاده می شود. با استفاده از شبکه CNN پیشنهادی به دقت ۹۴.۵۳ درصد در شناسایی بیماران مبتلا به بیماری آلزایمر در ناحیه متمرکز بر هیپوکامپ و ۸۵.۳۹ درصد در پیش بینی بیمارانی که ممکن است در عرض ۳۶ ماه به زوال عقل مبتلا شوند، رسیدیم.

کلیدواژه ها:

یادگیری عمیق ، آلزایمر ، شبکه عصبی CNN ، پیش پردازش تصویر