تشخيص بيماري آلزايمر از روي تصاوير MRI با استفاده از هوش مصنوعي

زمينه و هدف: روش‌هاي تشخيص زودهنگام بيماري آلزايمر، به دليل هزينه‌هاي زياد مراقبتي و درماني، غيرقطعي بودن روش‌هاي موجود درماني و همچنين آينده نگران كننده بيمار، امري ضروري به‌نظر مي‌رسد. اين مطالعه به منظور تشخيص بيماري آلزايمر از روي تصاوير MRI با استفاده از هوش مصنوعي انجام شد. روش بررسي: در اين مطالعه، يك سيستم كامپيوتري تشخيص زودهنگام بيماري آلزايمر به كمك الگوريتم‌هاي يادگيري ماشين، در چهارچوب فرآيند تشخيص به كمك كامپيوتر ارايه شده است. ميدان تصادفي شرطي و شبكه عصبي عميق Inception براي تشخيص اين بيماري بر روي تصاوير MRI مغزي وفق داده شده‌اند. از آنجا كه بافت هيپوكامپوس، جزء اولين بافت‌هايي است كه تحت تاثير بيماري آلزايمر قرار مي‌گيرد؛ لذا براي تشخيص زودهنگام اين بيماري، ابتدا به تعيين محدوده هيپوكامپوس بين ساير بافت‌هاي مغزي اقدام و سپس با توجه به ميزان تحت تاثير قرار گرفتن اين بافت، به تشخيص بيماري مبادرت گرديد. ميدان تصادفي شرطي توانست با دقت زياد، قطعه‌هاي هيپوكامپوس با اشكال مختلف را از هر سه مقطع مغزي استخراج كند. اين قطعات، مبنايي براي استخراج ويژگي توسط شبكه عميق قرار مي‌گيرند. اين روش بر روي داده‌هاي استاندارد ADNI آزمايش و كارايي آن نشان داده شد. شبكه Inception استفاده شده، شبكه‌اي است كه از پيش، بر روي مجموعه داده بسيار بزرگ ImageNet آموزش داده شده است. يكي از مراحل مهم، انتقال دانش به مسأله در دست بررسي است. براي تسهيل اين امر، از افزون‌سازي داده‌ها كه مطابق با شكل و ساختار هيپوكامپوس طراحي شده، استفاده گرديد. يافته‌ها: روش اجرا شده در اين مطالعه، در حالت دوكلاسه آلزايمر در مقابل كنترل سلامت به دقت 98.51% و براي حالت دوكلاسه اختلال شناختي خفيف در مقابل كنترل سلامت به دقت 93.41% دست يافت كه به ترتيب 2.56% و 8.41% افزايش دقت در مقايسه با روش‌هاي رقيب معرفي شده در ساير مقالات است. نتيجه‌گيري: نتايج اين مطالعه نشان داد كه استفاده از هوش مصنوعي با توجه به تصاوير MRI در تشخيص بيماري آلزايمر دقت بالايي دارد.