تحلیل تصاویرMRI با استفاده از شبکه های عصبی عمیق برای تشخیص آلزایمر

بیماری آلزایمر یکی از مهم ترین و گسترده ترین اختلالات نورودژنراتیو است که معمولا در سنین بالای ۶۵ سال بروز می یابد و منجر به کاهش عملکردهای شناختی مانند حافظه، توجه، تصمیم گیری و زبان می شود. روند پیشرفت این بیماری آهسته اما مداوم بوده و در صورت عدم مداخله، به زوال کامل عملکرد مغزی و در نهایت مرگ منتهی می شود. تشخیص زودهنگام آلزایمر نقش حیاتی در کند کردن روند پیشرفت بیماری، بهبود کیفیت زندگی بیمار و کاهش هزینه های درمانی دارد. یکی از ابزارهای موثر در بررسی ساختار مغز و شناسایی تغییرات ناشی از آلزایمر، تصویربرداری تشدید مغناطیسی (MRI) است که با دقت بالا قادر به نمایش تغییرات در حجم و ساختار نواحی مختلف مغز می باشد. با توجه به پیچیدگی داده های MRI و نیاز به دقت بالا در تحلیل آن ها، در سال های اخیر هوش مصنوعی، به ویژه الگوریتم های یادگیری عمیق، به عنوان ابزارهای تحلیلی نوین مورد استفاده قرار گرفته اند. این مقاله به بررسی کاربردهای هوش مصنوعی در تحلیل تصاویر MRI برای تشخیص زودهنگام آلزایمر می پردازد، ضمن معرفی روش های نوین پردازش تصویر، الگوریتم های پرکاربرد یادگیری ماشین و مروری بر پژوهش های روز دنیا.

کلیدواژه ها:

آلزایمر ، تصویربرداری تشدید مغناطیسی (MRI) ، هوش مصنوعی ، یادگیری عمیق ، شبکه عصبی کانولوشنی (CNN)