Введение 3
Постановка задачи 4
Глава 1. Болезнь Альцгеймера. Применение технологий искусственного интеллекта для диагностирования 5
1.1. Факторы риска болезни Альцгеймера 5
1.2. Статистика распространенности болезни Альцгеймера 6
1.3. Анализ применения технологий ИИ для диагностирования болезни 8
Глава 2. Материалы и методы 13
2.1 Набор данных 13
2.2. Ultralytics YOLOv8 16
2.3. Архитектура YOLOv8 для набора данных Alzheimer's Dataset 18
2.4. Результаты обучения модели 25
Заключение 32
Выводы 33
Литература 34
Болезнь Альцгеймера - очень распространенное заболевание, чаще диагностируемое у людей в возрасте от 65 до 80 лет. По данным Всемирной организации Здравоохранения более 35 миллионов людей страдают этим заболеванием. В связи с увеличением средней продолжительности жизни прогнозируется значительный рост когорты больных.
Впервые сенильную деменцию особого типа описал Алоиз Альцгеймер в 1906 году [1]. Впоследствии она получила название болезни Альцгеймера (БА). Врач наблюдал симптомы пациентки в течение 4,5 лет вплоть до её смерти. Оказалось, что описанные Альцгеймером симптомы кардинально отличались от симптоматики других психических расстройств, выявленных на тот момент. Заболевание вызывает повреждение нейронов и отмирание клеток коры головного мозга, ответственных за эмоции и память. БА характеризуется нарушением белкового обмена, образованием и отложением в тканях специфического бета-амилоида, образованием в коре головного мозга и подкорковом сером веществе нейрофибриллярных клубочков и склеиванием нейрофибрилл [1].
При обращении к врачу и подозрении на болезнь Альцгеймера для уточнения диагноза обычно анализируют поведение, проводят серию когнитивных испытаний и проводится магнитно-резонансная томография (МРТ) [1].
Применение технологий глубокого обучения используются для синтеза и обработки изображений.
В данной работе решается задача классификации МРТ изображений мозга с целью определения отсутствия или наличия признаков болезни Альцгеймера по изображениям.
В работе впервые предложен метод классификации изображений с использованием YOLO v8. Предложена методика использования предобученной нейронной сети YOLO v8 с последующим включением дополнительных слоев в модель для классификации болезни Альцгеймера по открытому датасету с Kaggle, состоящем из 6400 МРТ изображений в формате jpg, полученных в различных проекциях от ADNI. Данные разделяли на обучающую и тестовую выборки в соотношении 70:30, что позволило оценить качество разработанной модели. Для более эффективного обучения проведена подготовка данных, а также созданы файлы аннотации в формате YOLO для набора данных. В процессе обучения было выбрано 10 эпох. И в итоге разработана модель классификации МРТ изображений, результаты на тестовом множестве составляют: точность обнаружения объектов (P): 99.5%, полнота обнаружения объектов (R): 99.5%, средняя точность по классам (mAP50): 99.5%. Важно, что данная архитектура сети улучшила показатели модели, приведенной в [19]. Перспективность подобных исследований отражена в работах [20, 21].
