Deep learning approaches for MRI image classifications

Alzheimer hastalığı (AD) için herhangi bir tedavi olmamasına rağmen, doğru bir erken teşhis hem hasta hem de kamu bakımı için çok önemlidir. Önerdiğimiz model, geleneksel makine öğrenimi ve derin öğrenme yaklaşımları olmak üzere iki ana deneyden oluşmaktadır. Bu iki çalışma, Alzheimer hastalığı Nörogörüntüleme Girişimi (ADNI) veri kümesi kullanılarak gerçekleştirildi. İlk deneyimizde, Alzheimer hastalığını teşhis etmek için farklı el yapımı özellik tanımlayıcıları test ettik. Ancak en güçlü ve verimli tanımlayıcı, maksimum yüzde 90,14 doğruluk sağlayan Monogenic Binary Coding'dir (MBC). İkinci deneyde, Alzheimer hastalığının teşhisi için manyetik rezonans görüntüleme (MRI) taramalarını kullanan yeni bir derin evrişimli sinir ağı öneriyoruz. Bu araştırmada, önceden eğitilmiş bir CNN mimarisi Inceptionv3 kullanarak AD, hafif bilişsel bozukluk (MCI) ve normal kontrol (NC) olan hastaları ayırt etmek için yeni bir 3 yollu sınıflandırıcı öneriyoruz. Önerilen yöntem, önceden eğitilmiş bir CNN mimarisi olan Inceptionv3'ün ince ayarını yaparak görüntüleri tanımlamak için aktarım öğrenmeyi kullanmak için yeterli teknik üzerinde çalışır. Önerilen sistemin performansı, ADNI veri kümesi üzerinden hesaplanır. Önerilen model, çok sınıflı sınıflandırma problemleri için% 95.71'lik en iyi genel doğruluğu vererek yeni sonuçlar göstermiştir. Deneysel sonuçlarımız, derin öğrenme yaklaşımlarının performansının geleneksel makine öğreniminden nispeten daha yüksek olduğunu göstermektedir.