Time distributed classification of alzheimer's disease on MRI scans

Bu tez, Alzheimer Hastalığı (AD) ilerlemesini incelemek için gelişmiş makine öğrenimi modelleri kullanarak AD, Hafif Bilişsel Bozukluk (MCI) ve Bilişsel Olarak Normal (CN) bireyleri zaman içinde beyin hacimsel verilerinin değişimini analiz ederek sınıflandırmaya odaklanmaktadır. Araştırmanın ilk aşamasında, Alzheimer Hastalığı Nörogörüntüleme Girişimi veritabanından alınan MR görüntüleri kullanılmıştır; bu görüntüler 22 CN, 18 AD ve 20 MCI bireyden oluşan yıllık 3-4 tarama dizisini içermektedir. CAT12 araç kutusu kullanılarak SPM yazılımında kortikal kalınlık ve intrakraniyal hacimler gibi temel hacimsel parametreler çıkarılmıştır. Zaman içinde hacimsel değişikliklerin oranına dayanan yeni bir sınıflandırma yöntemi uygulanmış, bu yöntem AD'yi CN bireylerden ayırt etmede %82,5, MCI'yi AD'den ayırt etmede %71 ve MCI'yi CN bireylerden ayırt etmede %69 doğruluk sağlamıştır; üç yönlü sınıflandırmada ise %55 doğruluk elde edilmiştir. Araştırmanın ikinci aşamasında, metodoloji önemli ölçüde geliştirilerek, MRI taramalarının ilk kategorizasyonu için önceden eğitilmiş 3D ResNet 101 CNN algoritması entegre edilmiştir ve ardından her hastanın yıllık 3-4 tarama dizisini işlemek üzere Uzun Kısa Süreli Hafıza (LSTM) ağları kullanılmıştır. Bu gelişmiş yaklaşım, hacimsel değişikliklerin zaman içindeki ilerlemesinin analizini ve yorumlanmasını önemli ölçüde geliştirerek sınıflandırma doğruluğunda belirgin iyileşmeler sağlamıştır: AD ile CN bireyler arasında %96,7, AD ile MCI arasında %87,5 ve MCI ile CN bireyler arasında %86,4 doğruluk elde edilmiştir. Araştırma, AD ilerlemesinin zaman dinamiklerini yakalama konusunda önemli bir gelişme göstermiştir.