طی سالیان اخیر، استفاده از یادگیری عمیق در بحث پردازش و آنالیز تصاویر علمی، یک رویکرد بسیار محبوب در پژوهش‌های پزشکی به منظور تشخیص بیماری‌های گوناگون بوده و مدل‌های مختلف دیپ لرنینگی، برای این منظور آموزش داده شدن. با داشتن یک دیتاست با کیفیت از تصاویر مختلف پزشکی، مثل تصاویر MRI یک بیماری خاص و انجام فرآیند آموزش مدل، می‌شه به نرم افزاری رسید که قابلیت تشخیص بیماری در وضعیت‌های خاص رو داره. توی یک پروژه جذاب با محوریتی که اشاره شد، از تصاویر MRI جهت آموزش یک مدل مبتنی بر یادگیری عمیق در تشخیص آلزایمر استفاده کردن.
این مدل قادر هست هم خود آلزایمر و هم میزان پیشرفت اون رو تشخیص بده. مقاله این پروژه از طریق این لینک قابل دسترس هست. بررسی این مقاله رو در یکی از جلسات آنلاین شبانه انجام دادیم و از طریق این لینک، یا با کلیک روی تصویر زیر، می‌تونید بازپخش اون رو مشاهده کنید.
توی این پروژه، از یک دیتاست رایگان داخل Kaggle به منظور آموزش مدل دیپ لرنینگی اشاره شده استفاده کردن. این دیتاست، شامل تصاویر MRI در چهار دسته زیر هست:
- Very Mild Demented
- Mild Demented
- Moderate Demented
- Non-Demented
در ابتدا با Preprocessing تصاویر، هم ویژگی‌های تصاویر یکسان‌سازی شده و هم از لحاظ بالانس بودن دیتاست، سعی کردن که داده‌های Artificial ای رو تولید کنن. بعد از آموزش مدل، دقت اون در تشخیص آلزایمری بودن یا نبودن 99.30% و اینکه متعلق به کدوم یک از ۴ دسته اشاره شده هست، 95.96% بود. مطالعه این مقاله جذاب رو بهتون توصیه می‌کنم.