Πολυτροπικό μοντέλο βαθιάς μάθησης για τη διάγνωση της νόσου Αλτσχάιμερ
Loading...
Date
2024-09-02
Authors
Λύγδα, Ευφροσύνη
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Στην παρούσα μεταπτυχιακή διπλωματική εργασία παρουσιάζεται η αρχιτεκτονική και αξιολόγηση ενός πολυτροπικού μοντέλου βαθιάς μάθησης με σκοπό τη διάκριση τριών γνωστικών καταστάσεων της νόσου Αλτσχάιμερ. Συγκεκριμένα χρησιμοποιώντας δεδομένα συμμετεχόντων της βάσης δεδομένων ADNI, οι καταστάσεις της νόσου διακρίνονται σε Γνωστικά Φυσιολογικούς (CN), Ήπια Γνωστικά Εξασθενημένους (MCI) και Παθόντες από Ήπιο Αλτσχάιμερ (AD). Στα δεδομένα, που χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου, ανήκουν προεπεξεργασμένες δισδιάστατες αξονικές τομές μαγνητικών τομογραφιών, αλλά και συμπληρωματικά μεταδεδομένα τους. Το μοντέλο αποτελείται από δύο υποδίκτυα, που εξάγουν το ίδιο πλήθος χαρακτηριστικών από τα δύο ειδών δεδομένα και συνενώνονται σε ένα τελικό δίκτυο, που πραγματοποιεί την κατηγοριοποίηση των παρατηρήσεων μεταξύ των τριών διαγνωστικών ομάδων. Συγκεκριμένα, το πρώτο υποδίκτυο εξάγει χαρακτηριστικά από τις αξονικές τομές, χρησιμοποιώντας ένα εκ των προεκπαιδευμένων CNN μοντέλων, μεταξύ των VGG-16, VGG-19, ResNet50, ResNet50V2, InceptionV3 και DenseNet121, ενώ το δεύτερο εξάγει χαρακτηριστικά από 20 συμπληρωματικά μεταδεδομένα, μέσω απλής τεχνητής νευρωνικής αρχιτεκτονικής.
Στη συνέχεια, η αρχιτεκτονική του μοντέλου αξιολογήθηκε με βάση τη δυνατότητα διάκρισης μεταξύ των τριών διαγνωστικών ομάδων, αλλά και των ανά δύο συνδυασμών τους, καθώς και ως προς την απόδοση των 6 προεκπαιδευμένων CNN μοντέλων. Εντέλει, η καλύτερη απόδοση εντοπίζεται για τη διάκριση των ομάδων CN και AD, ενώ παράλληλα παρατηρήθηκε μείωση της σε μοντέλα στα οποία εισάγονται παρατηρήσεις της ομάδας MCI. Μεταξύ των προεκπαιδευμένων μοντέλων το InceptionV3 εντοπίζεται πως αποδίδει την καλύτερη μέση απόδοση για τα μοντέλα CN vs MCI vs AD και CN vs AD, ενώ για τα μοντέλα CN vs MCI και MCI vs AD τα DenseNet121 και ResNet50V2 αντίστοιχα.
Description
Keywords
Μηχανική μάθηση, Βαθιά μάθηση, Πολυτροπικό μοντέλο, Τεχνητά νευρωνικά δίκτυα, Συνελικτικά νευρωνικά δίκτυα, Μεταφορά μάθησης, Κατηγοριοποίηση, Αλτσχάιμερ, Μαγνητική τομογραφία, Μεταδεδομένα