تشخیص بیماری آلزایمر از روی تصاویر MRI با استفاده از هوش مصنوعی

زمینه و هدف: روش های تشخیص زودهنگام بیماری آلزایمر، به دلیل هزینه های زیاد مراقبتی و درمانی، غیرقطعی بودن روش های موجود درمانی و همچنین آینده نگران کننده بیمار، امری ضروری به نظر می رسد. این مطالعه به منظور تشخیص بیماری آلزایمر از روی تصاویر MRI با استفاده از هوش مصنوعی انجام شد. روش بررسی: در این مطالعه، یک سیستم کامپیوتری تشخیص زودهنگام بیماری آلزایمر به کمک الگوریتم های یادگیری ماشین، در چهارچوب فرآیند تشخیص به کمک کامپیوتر ارایه شده است. میدان تصادفی شرطی و شبکه عصبی عمیق Inception برای تشخیص این بیماری بر روی تصاویر MRI مغزی وفق داده شده اند. از آنجا که بافت هیپوکامپوس، جزء اولین بافت هایی است که تحت تاثیر بیماری آلزایمر قرار می گیرد؛ لذا برای تشخیص زودهنگام این بیماری، ابتدا به تعیین محدوده هیپوکامپوس بین سایر بافت های مغزی اقدام و سپس با توجه به میزان تحت تاثیر قرار گرفتن این بافت، به تشخیص بیماری مبادرت گردید. میدان تصادفی شرطی توانست با دقت زیاد، قطعه های هیپوکامپوس با اشکال مختلف را از هر سه مقطع مغزی استخراج کند. این قطعات، مبنایی برای استخراج ویژگی توسط شبکه عمیق قرار می گیرند. این روش بر روی داده های استاندارد ADNI آزمایش و کارایی آن نشان داده شد. شبکه Inception استفاده شده، شبکه ای است که از پیش، بر روی مجموعه داده بسیار بزرگ ImageNet آموزش داده شده است. یکی از مراحل مهم، انتقال دانش به مساله در دست بررسی است. برای تسهیل این امر، از افزون سازی داده ها که مطابق با شکل و ساختار هیپوکامپوس طراحی شده، استفاده گردید. یافته ها: روش اجرا شده در این مطالعه، در حالت دوکلاسه آلزایمر در مقابل کنترل سلامت به دقت ۹۸.۵۱% و برای حالت دوکلاسه اختلال شناختی خفیف در مقابل کنترل سلامت به دقت ۹۳.۴۱%  دست یافت که به ترتیب ۲.۵۶% و ۸.۴۱% افزایش دقت در مقایسه با روش های رقیب معرفی شده در سایر مقالات است. نتیجه گیری: نتایج این مطالعه نشان داد که استفاده از هوش مصنوعی با توجه به تصاویر MRI در تشخیص بیماری آلزایمر دقت بالایی دارد.

کلیدواژه ها:

Alzheimer Disease ، Hippocampus ، Conditional Random Field ، Deep Neural Network ، Inception ، بیماری آلزایمر ، هیپوکامپوس ، میدان تصادفی شرطی ، شبکه عصبی عمیق ، Inception