Detecció i diagnòstic de l'Alzheimer en imatges de ressonància magnètica

Abstract

L'Alzheimer és la malaltia neurodegenerativa més comuna a escala mundial i la causa més habitual en el desenvolupament de demència, on la detecció de les fases prodròmiques de l'Alzheimer, pot ajudar a els metges de tot el mon a prevenir i millora la qualitat de vida dels pacients. Per altra banda, les Xarxes Neuronals han demostrat ser un mitja efectiu per a la detecció de malalties utilitzant Imatges de ressonància magnètica. Amb aquesta premissa, es desenvolupa un ensamblat de xarxes convolucionals per a la detecció, tant de casos d'Alzheimer(AD), com del seu el seu estat prodròmic anomenat declivi cognitiu lleu(MCI). Donada la dimensionalitat dels volumns de les MRI, es subdivideix el volum en 45 regions de interès(ROI), per després seleccionar les deu regions que ofereixen un millor comportament predictiu. Finalment, per cada una d'aquests 10 regions seleccionades s'entrena un classificador que s'enssambla per formar el model final. Amb aquesta metodologia s'obtenen uns models que ofereixen un 80.9% d'accuracy en la tasca de classificació de l'Alzheimer i un 82% d'accuracy en la tasca de predicció de casos d'MCI.

Alzheimer's is the most common neurodegenerative disease worldwide and the most common cause of the development of dementia, where the detection of prodromal stages of Alzheimer's can help doctors around the world to prevent and improve the quality. of patients' lives. On the other hand, Neural Networks have been shown to be an effective means for the detection of disease disease MRI images. With this premise, we developed an ensamble of convolutional networks for the detection cases of Alzheimer's (AD) and its prodromal state called mild cognitive decline (MCI). Given the dimensionality of MRI volumes, each volume is subdivided into 45 regions of interest (ROI), and then top ten best performing regions are selected. Finally, for each of these 10 selected regions a classifier is trained and assembled to form the final model. With this methodology, the models obtained offer 80.9% accuracy in the Alzheimer's classifying task and 82% accuracy MCI predicting task.

El Alzheimer es la enfermedad neurodegenerativa más común a escala mundial y la causa más habitual en el desarrollo de demencia, donde la detección de las fases prodrómicas del Alzheimer, puede ayudar a los médicos de todo lo mi a prevenir y mejora la calidad de vida de los pacientes. Por otro lado, las Redes Neuronales han demostrado ser un media efectivo para la detección de enfermedades utilizando Imágenes de resonancia magnética. Con esta premisa, se desarrolla un ensamblat de redes convolucionales para la detección, tanto de casos de Alzheimer(AD), como del suyo su estado prodrómico llamado declive cognitivo leve(MCI). Dada la dimensionalidad de los volumns de las MRI, se subdivide el volumen en 45 regiones de interés(ROI), por después seleccionar las diez regiones que ofrecen un mejor comportamiento predictivo. Finalmente, por cada una de estos 10 regiones seleccionadas se entrena un clasificador que se enssambla para formar el modelo final. Con esta metodología se obtienen unos modelos que ofrecen un 80.9% de accuracy en la tarea de clasificación del Alzheimer y un 82% de accuracy en la tarea de predicción de casos de MCI.