AUTOMATYCZNE WYKRYWANIE CHOROBY ALZHEIMERA W OPARCIU O SZTUCZNĄ INTELIGENCJĘ
Achraf Benba
achraf.benba@um5s.net.maMohammed V University in Rabat, Ecole Nationale Supérieure d'Arts et Métiers, Electronic Systems Sensors and Nanobiotechnologies (Maroko)
http://orcid.org/0000-0001-7939-0790
Abdelilah Kerchaoui
Mohammed V University in Rabat, Ecole Nationale Supérieure d'Arts et Métiers, Electronic Systems Sensors and Nanobiotechnologies (Maroko)
https://orcid.org/0009-0004-9561-5960
Abstrakt
Choroba Alzheimera jest chorobą neurodegeneracyjną, która stopniowo niszczy neurony poprzez tworzenie płytek krwi, które uniemożliwiają komunikację między neuronami. Badania prowadzone w ramach tego projektu mają na celu znalezienie precyzyjnego i trafnego rozwiązania diagnostycznego opartego na sztucznej inteligencji, które pomoże we wczesnym wykryciu choroby Alzheimera w celu zatrzymania jej postępu. Badanie przeszło przez proces przetwarzania obrazów MRI, po którym następowało szkolenie trzech algorytmów głębokiego uczenia (VGG-19, Xception i DenseNet121), a na koniec etap testowania i przewidywania wyników. Wyniki metryki dokładności otrzymane dla trzech algorytmów wyniosły odpowiednio 98%, 95%, 91%.
Słowa kluczowe:
choroba Alzheimera, sztuczna inteligencja, głębokie uczenie się, przetwarzanie sygnałuBibliografia
Albawi S. et al.: Understanding of a convolutional neural network. International conference on engineering and technology (ICET), IEEE, 2017, 1–6.
DOI: https://doi.org/10.1109/ICEngTechnol.2017.8308186
Google Scholar
Brownlee J.: Gentle introduction to the Adam optimization algorithm for deep learning. Machine Learning Mastery 3, 2017.
Google Scholar
Chollet F.: Xception: Deep learning with depthwise separable convolutions. Proceedings of the IEEE conference on computer vision and pattern recognition, 2017, 1251–1258.
DOI: https://doi.org/10.1109/CVPR.2017.195
Google Scholar
Jain R. et al.: Convolutional neural network based Alzheimer’s disease classification from magnetic resonance brain images. Cognitive Systems Research 57, 2019, 147–159.
DOI: https://doi.org/10.1016/j.cogsys.2018.12.015
Google Scholar
Kaplan E. et al.: Feed-forward LPQNet based automatic alzheimer's disease detection model. Computers in Biology and Medicine 137, 2021, 104828.
DOI: https://doi.org/10.1016/j.compbiomed.2021.104828
Google Scholar
Liu M. et al.: A multi-model deep convolutional neural network for automatic hippocampus segmentation and classification in Alzheimer’s disease. Neuroimage 208, 2020, 116459.
DOI: https://doi.org/10.1016/j.neuroimage.2019.116459
Google Scholar
Shanmugam J. V. et al.: Alzheimer’s disease classification using pre-trained deep networks. Biomedical Signal Processing and Control 71, 2022, 103217.
DOI: https://doi.org/10.1016/j.bspc.2021.103217
Google Scholar
Szegedy C. et al.: Inception-v4, inception-resnet and the impact of residual connections on learning. Thirty-first AAAI conference on artificial intelligence, 2017.
DOI: https://doi.org/10.1609/aaai.v31i1.11231
Google Scholar
World Health Organization, 2012. Dementia: a public health priority. World Health Organization.
Google Scholar
Yang K. et al.: Towards fairer datasets: Filtering and balancing the distribution of the people subtree in the imagenet hierarchy. Proceedings of the 2020 conference on fairness, accountability, and transparency, 547–558.
DOI: https://doi.org/10.1145/3351095.3375709
Google Scholar
Autorzy
Achraf Benbaachraf.benba@um5s.net.ma
Mohammed V University in Rabat, Ecole Nationale Supérieure d'Arts et Métiers, Electronic Systems Sensors and Nanobiotechnologies Maroko
http://orcid.org/0000-0001-7939-0790
Autorzy
Abdelilah KerchaouiMohammed V University in Rabat, Ecole Nationale Supérieure d'Arts et Métiers, Electronic Systems Sensors and Nanobiotechnologies Maroko
https://orcid.org/0009-0004-9561-5960
Statystyki
Abstract views: 269PDF downloads: 312
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Achraf Benba, Fatima Zahra El Attaoui, Sara Sandabad, WDROŻENIE SYSTEMU POZYSKIWANIA EKG OPARTEGO NA SZTUCZNEJ INTELIGENCJI W CELU WYKRYWANIA NIEPRAWIDŁOWOŚCI SERCA , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 1 (2023)
- Oumaima Majdoubi, Achraf Benba, Ahmed Hammouch, KLASYFIKACJA CHOROBY PARKINSONA I INNYCH ZABURZEŃ NEUROLOGICZNYCH Z WYKORZYSTANIEM EKSTRAKCJI CECH GŁOSOWYCH I TECHNIK REDUKCJI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 3 (2023)
- Oumaima Majdoubi, Achraf Benba, Ahmed Hammouch, KOMPLEKSOWE METODY UCZENIA MASZYNOWEGO I UCZENIA GŁĘBOKIEGO DO KLASYFIKACJI CHOROBY PARKINSONA I OCENY JEJ NASILENIA , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 4 (2023)
- Achraf Benba, Mouna Akki, Sara Sandabad, ZASTOSOWANIE UCZENIA MASZYNOWEGO NA CZUJNIKACH SMARTFONÓW DO WYKRYWANIA UPADKÓW W CZASIE RZECZYWISTYM , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 2 (2023)
