Bild-Algorithmus sagt Beginn der Alzheimer-Krankheit mit 99%iger Genauigkeit voraus
2021
Vytautas Magnus University, Kaunas, Litauen
Eines der möglichen ersten Anzeichen von Alzheimer ist die leichte kognitive Beeinträchtigung (MCI), die das Stadium zwischen dem erwarteten kognitiven Abbau im Rahmen des normalen Alterns und der Demenz darstellt. Mit Hilfe der funktionellen Magnetresonanztomographie (fMRI) können die Regionen im Gehirn identifiziert werden, die mit dem Ausbruch der Alzheimer-Krankheit in Verbindung gebracht werden. Die frühesten Stadien der Alzheimer-Krankheit haben oft keine eindeutigen Symptome, können aber in einigen Fällen durch Neuroimaging erkannt werden.
Forscher haben eine auf Deep Learning basierende Methode entwickelt, die anhand von Gehirnbildern den möglichen Ausbruch der Alzheimer-Krankheit vorhersagen kann.
Für das Modell wurde eine Modifikation des bekannten, fein abgestimmten ResNet 18 (residuales neuronales Netz) verwendet, um funktionelle MRT-Bilder von 138 Probanden zu klassifizieren. Die Bilder fielen in sechs verschiedene Kategorien: von gesund über das Spektrum der leichten kognitiven Beeinträchtigung (MCI) bis hin zur Alzheimer-Krankheit. Insgesamt wurden 51.443 und 27.310 Bilder aus dem fMRI-Datensatz der Alzheimer's Disease Neuroimaging Initiative für das Training und die Validierung ausgewählt.
Das Modell war in der Lage, die MCI-Merkmale in dem gegebenen Datensatz effektiv zu finden und erreichte eine Klassifizierungsgenauigkeit von 99 % für frühe MCI vs. AD, späte MCI vs. AD bzw. MCI vs. frühe MCI.
Analysis of features of Alzheimer’s Disease: detection of early stage from functional brain changes in magnetic resonance images using a finetuned ResNet18 network
Robertas Damaševičius
Eingestellt am: 07.10.2021
[1] https://www.mdpi.com/2075-4418/11/6/1071/htm[2] https://www.technologynetworks.com/neuroscience/news/image-algorithm-predicts-alzheimers-onset-with-99-accuracy-353391#:~:text=Researchers%20have%20developed%20a%20deep,of%20over%2099%20per%20cent.
