Red neuronal profunda y convolucional eficaz con mecanismo de atención para la clasificación de la enfermedad de...

Área de la Ciencia:

• Neurociencia
• Imagenología Médica
• Inteligencia Artificial

Sus antecedentes:

• Los trastornos neurocognitivos, en particular la enfermedad de Alzheimer (EA), van en aumento en las poblaciones de mediana y anciana edad.
• La detección temprana y precisa de la EA es vital para la intervención oportuna y la prevención del daño cerebral irreversible.
• Los enfoques computacionales actuales para la detección de la EA enfrentan limitaciones en precisión y validación clínica, especialmente para las etapas tempranas.

Objetivo del estudio:

• Revisar las técnicas computacionales existentes para la detección de la enfermedad de Alzheimer.
• Proponer una Red Neuronal Profunda Convolucional (Deep-CNN) con un mecanismo de atención para mejorar la detección temprana de la EA.
• Mejorar la precisión y la interpretabilidad del diagnóstico de la enfermedad de Alzheimer mediante el aprendizaje automático.

Principales métodos:

• Se desarrolló un modelo de Red Neuronal Profunda Convolucional (Deep-CNN) que incorpora un mecanismo de atención.
• El modelo fue diseñado para aumentar la atención espacial y realizar una clasificación multiclase de las etapas de la enfermedad de Alzheimer.
• El modelo se entrenó y evaluó en el conjunto de datos OASIS utilizando datos a nivel de sujeto con preprocesamiento estándar y validación estadística.

Principales resultados:

• El modelo Deep-CNN propuesto con atención logró una precisión diagnóstica del 97 %.
• Esta precisión supera a los métodos existentes, incluidas las máquinas de vectores de soporte (SVM) con kernels (90,5 %, 85 %) y la CNN tradicional (93,5 %).
• Las visualizaciones del mecanismo de atención se alinearon con biomarcadores conocidos de la enfermedad de Alzheimer, lo que mejoró la interpretabilidad del modelo.

Conclusiones:

• Los modelos de aprendizaje profundo guiados por atención pueden mejorar significativamente la precisión de la clasificación multiclase de RM para la enfermedad de Alzheimer.
• Estos modelos ofrecen explicaciones regionales clínicamente útiles, lo que ayuda a comprender la progresión de la enfermedad.
• El mecanismo de atención Deep-CNN desarrollado presenta una herramienta prometedora para la detección temprana, eficiente y precisa de la enfermedad de Alzheimer.