پیشبینی مراحل اولیه آلزایمر با استفاده از تکنیکهای یادگیری عمیق و داده های ام آر آی ساختاری

بیماری آلزایمر شایع ترین عامل زوال شناختی در سالمندان به شمار می رود و تشخیص به موقع آن نقش مهمی در کند کردن روند پیشرفت بیماری دارد هدف این پژوهش ارائه یک روش خودکار برای شناسایی مراحل اولیه آلزایمر، (AD) اختلال شناختی خفیف (MCI) و افراد با عملکرد شناختی طبیعی (NC) تنها با استفاده از تصاویر ساختاری MRI مغز (MRI) بود. در این مطالعه، از مجموعه داده های سه بعدی -T۱ weighted پایگاه ADNI استفاده شد. تصاویر محوری استخراج شده مستقیما به سه معماری شبکه کانولوشنی وارد شدند یک شبکه CNN طراحی شده از پایه مدل انتقال یافته -۱۶ - GG و مدل ResNet. نتایج نشان داد که هر دو مدل انتقال یافته عملکرد بهتری نسبت به شبکه از پایه داشتند بهترین عملکرد در تشخیص کلاس آلزایمر توسط ۱۶-VGG به دست آمد که به دقت، ۹۰/۸۳، حساسیت ۹۰/۸۳، ویژگی امتیاز ۱ معادل ۱۹/۸۳ رسید. این یافته ها حاکی از قابلیت بالای مدل های یادگیری انتقالی در تشخیص زودهنگام آلزایمر با استفاده صرف از تصاویر MRI ساختاری است.

کلیدواژه ها:

آلزایمر ، تکنیکهای یادگیری عمیق ، داده های ام آر آی ساختاری