Derin Evrişimli Sinir Ağlarını Kullanarak MRG Modalitesinde Alzheimer Hastalığının Sınıflandırılması ve Segmentasyonu

Classification and Segmentation of Alzheimer Disease in MRI Modality using the Deep Convolutional Neural Networks

Özet

Çalışmada Alzheimer hastalığının analizi için sınıflandırma ve segmentasyon görevleri uygulanmıştır. Sınıflandırma görevinde transfer öğrenme kullanılarak 7 farklı model test edilmiştir. GoogLeNet modeli 0.9467 doğruluk, 0.9474 duyarlılık, 0.9811 özgüllük ve 0.9467 F1 skoru ile en iyi sınıflandırma performansını elde etmiştir. Segmentasyon görevinde, Alzheimer hastalığının segmentasyonu için U-Net mimari tasarımı kullanılmıştır. U-Net modeli 0.874 zar skoru, 0.776 IoU, 0.868 duyarlılık, 0.999 özgüllük, 0.879 kesinlik ve 0.999 doğruluk elde etmiştir. Pipeline oluşturmak için sınıflandırma ve segmentasyon modelleri birlikte kullanılmıştır. Sonuç olarak, bilgisayarlı görü destekli bir karar destek sistemi oluşturulmuştur.

Abstract

In the study, classification and segmentation tasks were implemented for analysis of Alzheimer's disease. In classification task, 7 different models were tested using transfer learning. The GoogLeNet model achieved the best classification performance with the accuracy of 0.9467, sensitivity of 0.9474, specificity of 0.9811, and F1-score of 0.9467. In segmentation task, U-Net architecture design was used for the segmentation of Alzheimer's disease. U-Net model achieved the dice of 0.874, IoU of 0.776, sensitivity of 0.868, specificity of 0.999, precision of 0.879, and accuracy of 0.999. In order to create the pipeline, classification and segmentation models were used together. Consequently, a computer vision-assisted decision support system was created.