Американские исследователи разработали алгоритм машинного обучения, который по данным функциональной магнитно-резонансной томографии на ранней стадии определяет болезнь Альцгеймера. Новая сверхточная нейронная сеть может работать с четырехмерными данными и не требует предварительной обработки материала, что уменьшает необходимые вычислительные ресурсы. Статья опубликована в Journal of Medical Imaging.
Болезнь Альцгеймера — нейродегенеративное заболевание, которое наносит серьезный ущерб мозгу и сильно ухудшает качество жизни пациентов. Ученые из Техасского технологического университета использовали алгоритмы машинного обучения для раннего диагностирования болезни Альцгеймера по данным функциональной магнитно-резонансной томографии (фМРТ), материалу, который обычно очень сложно анализировать.
«От болезни Альцгеймера пока нет лекарства. Хотя повреждение мозга нельзя обратить вспять, можно снизить скорость развития болезни с помощью лекарств, — рассказали авторы работы. — Наш алгоритм может точно идентифицировать различные стадии легких когнитивных нарушений, которые служат предупреждением о развитии болезни Альцгеймера».
Исследователи создали сверхточную нейронную сеть (convolutional neural network, CNN), которая может распознавать изображения. Обычно такие алгоритмы используются для классификации 2D-изображений, то есть четырехмерные пространственно-временные данные фМРТ представляют для них проблему.
11 продуктов, которые спасут от деменции, — в нашей галерее:
Однако исследователи разработали CNN, которая сначала обрабатывает данные фМРТ на основе временных изменений, без учета трехмерных структурных свойств. Затем три последующих слоя извлекают из временных характеристик пространственные характеристики в разных масштабах. Это дает информацию, которую используют последние слои для классификации входных данных фМРТ от здорового человека, больного с ранним или поздним когнитивным нарушением или пациента с болезнью Альцгеймера.
Дизайн нового алгоритма прост, но эффективен для обработки сложных данных фМРТ, которые могут подаваться в качестве входных данных в CNN без какой-либо предварительной обработки. Это уменьшает необходимые вычислительные ресурсы и позволяет алгоритму делать прогнозы намного быстрее. Исследователи обучили и протестировали CNN на данных фМРТ из общедоступной базы. Первые результаты оказались многообещающими: точность классификации алгоритма была не ниже, а иногда даже и выше, чем у других методов.
Читайте также:
Смотрите наши видео:
