روشي براي تشخيص مرحله پيشرفت آلزايمر در تصاويرFMRI مبتني بر شبكه هاي عصبي چگال

بيماري آلزايمر يك وضعيت عصبي است كه به تدريج توانايي‎هاي شناختي فرد مبتلا را مختل مي‎كند. روش‎هاي مختلف تصويربرداري عصبي براي زير نظر گرفتن فعاليت مغزي ارائه شده است. fMRI در حالت استراحت يك روش تصويربرداري عصبي است كه به طور گسترده براي مطالعه فعاليت مغز مرتبط با بيماري‎هاي عصبي مورد استفاده قرار گرفته است. در مطالعات پيشين تنها تشخيص آلزايمر از سالم يا نهايتا تشخيص سه كلاسه بيماري آلزايمر و اختلال شناختي خفيف MCI و افرا سالم پرداخته شده است. روشهاي مبتني بر يادگيري عميق يك راه كار مناسب براي تشخيص مراحل متعدد پيشرفت بيماري آلزايمر است. در اين مقاله يك روش جديد مبتني بر يادگيري عميق براي طبقه‌بندي در شش مرحله آلزايمر با استفاده از rs-fMRI پيشنهاد كرده است. در مدل پيشنهادي به كمك آناليز مولفه‎هاي اصلي حجم داده‎هاي تصويري rs-fMRI كاهش داده خواهد شد و پر اطلاع ترين مولفه‎هاي تصويري از تصاوير rs-fMRI به اين شبكه وارد خواهد شد. فرآيند يادگيري ويژگيها توسط DenNet50 انجام شده و ويژگي‎هاي يادگرفته شده وارد يك شبكه عصبي تماما متصل براي تشخيص مرحله پيشرفت آلزايمر خواهد شد. نتايج مدل‌هاي پيشنهادي با استفاده از رويكرد اعتبارسنجي متقاطع k-fold مورد ارزيابي قرار گرفت و صحت متوسط 99% و دقت 98% ، نرخ فراخواني 99% و معيار F 98% براي طبقه‌بندي چند كلاسه با استفاده از شبكه عصبي عميق پيشنهادي تركيب شده با آناليز مولفه اصلي به دست آمد.