تصنيف مرض الزهايمر متعدد الفئات من صور التصوير بالرنين المغناطيسي باستخدام معيار مرجعي شامل لمجموعة البيانات ونموذج DenseNet121

الملخص

يُعدّ مرض الزهايمر (AD) اضطرابًا عصبيًا تدريجيًا، وهو السبب الأكثر شيوعًا للخرف على مستوى العالم. ولا يزال التشخيص المبكر يمثل تحديًا، لأن التغيرات البنيوية في الدماغ قد تكون طفيفة في المراحل الأولى، كما أن تفسير صور الرنين المغناطيسي (MRI) يتطلب خبرة سريرية كبيرة. تقدم هذه الورقة إطار عمل مكوّنًا من مرحلتين لتصنيف مرض الزهايمر متعدد الفئات باستخدام مجموعة بيانات عامة كبيرة لصور الرنين المغناطيسي تضم نحو 44,000 صورة موزعة على أربع فئات: الخرف البسيط، والخرف المتوسط، وغير المصابين بالخرف، والخرف البسيط جدًا. في المرحلة الأولى، تم إنشاء معيار مرجعي باستخدام مجموعة البيانات الكاملة التي تضم جميع الصور البالغ عددها 44,000 صورة. وتم تدريب مصنّف خفيف يعتمد على الانحدار التدرجي العشوائي على مدخلات رمادية منخفضة الدقة، محققًا دقة بلغت 40.47%، ومساحة تحت منحنى ROC كلية (Macro AUC) مقدارها 0.7520، ومتوسطًا موزونًا لمقياس F1 بلغ 0.3558. وفي المرحلة الثانية، تم تدريب نموذج DenseNet121 القائم على التعلم بالنقل على مجموعة فرعية متوازنة تضم 4,000 صورة باستخدام مدخلات بحجم 128×128 ولمدة 10 عصور تدريبية. وقد حقق النموذج أفضل دقة تحقق بلغت 89.17%، ودقة اختبار بلغت 88.67%، ومتوسطًا موزونًا لمقياس F1 بلغ 0.8858، ومساحة كلية تحت المنحنى (Macro AUC) بلغت 0.9725. وتُظهر هذه النتائج أن التعلم بالنقل يوفر قدرة قوية على التمييز متعدد الفئات في صور الرنين المغناطيسي؛ ومع ذلك، ونظرًا لأن مجموعة البيانات الأصلية قد خضعت لعمليات تعزيز ورفع توازن للفئات، فينبغي تفسير النتائج على أنها نتائج حاسوبية على مستوى الصور، لا تحققًا سريريًا على مستوى المرضى.