تشخیص خودکار و دقیق بیماری آلزایمر از روی تصاویر MRI به وسیله شبکه عصبی کانولوشنی عمیق بهبود یافته

مقدمه: شناسایی و تشخیص بیماری آلزایمر موجود در بافت مغز از چالش های جدی شناسایی در حوزه پردازش تصاویر پزشکی است. در حال حاضر MRI، متداول ترین راه تشخیص آلزایمر در بین روش های تصویربرداری می باشد. عدم شناسایی صحیح بافت درگیر می تواند منجر به تشخیص نادرست به عنوان بافت سالم مغزی شود. الگوریتم یادگیری عمیق به عنوان فرآیند تشخیص ویژگی های مرتبط، اطلاعات مفید را استخراج می کند؛ لذا این پژوهش سعی دارد با استفاده از شبکه عصبی کانولوشنال در پردازش تصاویر پزشکی با دقت بهتری، نسبت به کارهای گذشته در تشخیص، انجام دهد. روش: با استفاده از شبکه عصبی کانولوشنی طراحی شده استخراج ویژگی های تصاویر  T۱MRI  صورت گرفته است. تصاویر آلزایمر با استفاده از نرم افزار Matlab۲۰۲۳a تحلیل شده اند و خروجی های مد نظر حاصل شده اند. نتایج: تصاویر آلزایمر مغزی T۱ پس از پیش پردازش و ورود به شبکه عصبی عمیق طراحی شده، مورد بررسی قرار گرفته اند که در خروجی حاصل از الگوریتم پیشنهادی، دقت شناسایی و سرعت شناسایی الگوریتم با بهبود ابر پارامترها در مقایسه با سایر روش های معمول بالاتر بود که دقت ۹۶% و حساسیت ۱۰۰% در شناسایی ارائه کرده است. نتیجه گیری: هدف از الگوی یادگیری عمیق این است که داده های تصویری با ابعاد بزرگ و تعداد زیاد  به شکل قابل فهم برای ماشین ها درآیند. انتظار می رود در آینده استخراج ویژگی با دقت بیشتری انجام شود و جزئیات بیشتری جهت بازشناسی اشیاء در تصویر، در اختیار سیستم های بینایی ماشین قرار گیرد.

Keywords:

Alzheimer's disease , convolutional neural network , deep learning , MRI images , بیماری آلزایمر , شبکه عصبی کانولوشن , یادگیری عمیق , تصاویر MRI