بخش بندی هیپوکامپ در تصاویر تشدید مغناطیسی بیماران آلزایمری با استفاده از روش یادگیری عمیق کامپیوتری

Abstract

چکیده مقدمه: بیماری آلزایمر یک بیماری با تخریب عصبی پیشرونده میباشد که علت اصلی زوال عقل یا دیمانس در پیری است. در مراحل اولیه بیماری آلزایمر ناحیه هیپوکامپ دچار تغییراتی می شود و حجم آن کاهش می یابد. بررسی تغییرات ناحیه هیپوکامپ با استفاده از تصاویر تشدید مغناطیسی قبل از مواجهه فرد با بیماری آلزایمر و در نتیجه اقدامات سریع پیشگیرانه و درمانی امری مهم است. هدف: هدف از این مطالعه، بخش بندی هیپوکامپ در تصاویر تشدید مغناطیسی بیماران آلزایمری با استفاده از روش یادگیری عمیق کامپیوتری است. مواد و روش ها: در این مطالعه از هوش مصنوعی و شبکه عصبی کانولوشنی برای بخش بندی ناحیه هیپوکامپ داده های تصویربرداری تشدید مغناطیسی 135 بیمار استفاده شد که از این تعداد، داده های 100 بیمار به عنوان آموزش شبکه و داده های 35 بیمار دیگر به عنوان آزمایش شبکه مورد استفاده قرار گرفت. این داده ها از پایگاه Alzheimer’s Disease Neuroimaging Initative تهیه شد. سپس نتایج بخش بندی ناحیه هیپوکامپ بدست آمده از شبکه با نتایج بخش بندی دستی که استاندارد پذیرفته شده برای بخش بندی هیپوکامپ محسوب می شود، مقایسه گردید. برای اندازه گیری حجم هیپوکامپ، مساحت آن در هر برش محاسبه شد. یافته ها: با بخش بندی ناحیه هیپوکامپ بعد از 10 تکرار، ضریب مشابهت دایس مقدار 923/0 بدست آمد که رقم قابل قبولی میباشد. میانگین حجم هیپوکامپ در شبکه آموزش دیده بطور میانگین 48/2 سانتی متر مکعب بدست آمد. نتیجه گیری: روش پیشنهادی در این مطالعه برای بخش بندی ناحیه هیپوکامپ یک روش امیدوار کننده در تشخیص هر چه سریع تر بیماری آلزایمر در مراحل اولیه بیماری با پیش بینی تعیین حجم ناحیه هیپوکامپ محسوب می شود. واژگان کلیدی: هیپوکامپ، آلزایمر، تصویر برداری تشدید مغناطیسی، یادگیری عمیق، بخش بندی