一种基于MRI图像的早期阿尔茨海默病检测的高效方法,使用深 convolutional 神经网络
1Department of Computer Science, College of Computing and Information Technology, Shaqra University, Shaqraa, Saudi Arabia.
Frontiers in artificial intelligence
|May 14, 2025
概括
这项研究引入了一个深层卷积神经网络 (CNN),用于早期发现阿尔茨海默病 (AD). 人工智能模型通过MRI扫描来分类AD阶段,达到99.68%的准确率.
科学领域:
- 人工智能在医学中的应用
- 神经系统疾病 诊断 诊断 诊断
- 医学成像分析 医学成像分析
背景情况:
- 阿尔茨海默病 (AD) 是一种渐进的,无法治愈的神经系统疾病,导致认知能力下降.
- 早期发现AD对于症状管理和改善患者生活质量至关重要.
- 由于缺乏医疗专家,医疗保健系统面临着挑战,需要自动化诊断工具.
研究的目的:
- 开发和评估深层卷积神经网络 (CNN) 用于自动化阿尔茨海默氏症疾病分类.
- 加强早期发现和诊断AD,帮助及时干预和患者护理.
- 为医疗保健专业人员提供可靠的工具,以管理AD的全球健康挑战.
主要方法:
- 设计了一个深度卷积神经网络 (CNN) 架构,具有 6,026,324 个参数.
- 该模型具有三个不同的卷积分支,具有不同的长度和内核大小,以改善特征提取.
- 使用了OASIS数据集,包括四个类别 (非痴呆症,非常轻度痴呆症,轻度痴呆症,中度痴呆症) 的80,000张MRI图像,并应用了数据增强来解决类别失衡问题.
主要成果:
- 拟议的CNN模型在分类阿尔茨海默病的四个阶段时,达到99.68%的高精度.
- 该模型在区分非痴呆症,非常轻度痴呆症,轻度痴呆症和中度痴呆症方面表现出显著的能力.
- 结果表明该模型对于实时分析和早期诊断AD的有效性.
结论:
- 发达的深层卷积神经网络显示出对阿尔茨海默氏症疾病分类的特殊准确性.
- 这种人工智能驱动的方法为早期AD检测提供了一个有希望的解决方案,可能会改变患者管理.
- 该模型是医疗保健提供者的一种有价值的工具,解决了神经病学中有效和准确的诊断系统的需求.
