Chẩn đoán bệnh alzheimer bằng kỹ thuật Vision Transformer
Từ khóa
Tóm tắt
Alzheimer là loại bệnh được chẩn đoán phổ biến nhất và là một trong bảy nguyên nhân gây tử vong hàng đầu thế giới. Khi được chẩn đoán sớm, bệnh nhân có thể tiếp cận với các phương pháp điều trị sẵn có, từ đó giúp bệnh nhân cải thiện nhận thức và nâng cao chất lượng cuộc sống. Chụp MRI não hiện nay là phương pháp hữu hiệu để xác định và chẩn đoán sớm bệnh Alzheimer. Trong bài báo này, chúng tôi đề xuất kỹ thuật phân loại dựa trên kiến trúc mạng Inception V3, Xception, DenseNet 121, Vision Transformer để phân loại ảnh bệnh Alzheimer là bình thường, nhẹ, rất nhẹ hoặc trung bình. Qua kết quả thực nghiệm cho thấy độ chính xác của mô hình đề xuất đạt 96,7% trên tập dữ liệu augmented-alzheimer-mri-dataset-v2 [1].##plugins.themes.default.displayStats.downloads##
Tài liệu tham khảo
[1] https://www.kaggle.com/datasets/uraninjo/augmented-alzheimer-mri-dataset-v2.
[2] A. K. Desai and G. T. Grossberg, “Diagnosis and Treatment of Alzheimer’s Disease”, Neurology, vol. 64 (Suppl. 3), p. S34–S39, 2005.
[3] Tổ chức Y tế Thế giới. https://www.who.int/publications/i/item/9789240033245. [Truy cập: 11/ 11/ 2023]
[4] M. Menagadevi and S. Mangai and N. Madian and D. Thiyagarajan, “Automated Prediction System for Alzheimer Detection Based on Deep Residual Autoencoder and Support Vector Machine”, Optik , vol. 272, p. 170212, 2023.
[5] S. Sharma and S. Gupta and D. Gupta …. and S. R. Nayak, “HTLML: Hybrid AI Based Model for Detection of Alzheimer’s Disease”, Diagnostics, vol. 12, p. 1833, 2022.
[6] R. A. Hazarika and A. K. Maji and D. Kandar and E. Jasinska and P. Krejci and Z. Leonowicz and M. Jasinski, “An Approach for Classification of Alzheimer’s Disease Using Deep Neural Network and Brain Magnetic Resonance Imaging (MRI)”, Electronics , vol. 12, p. 676, 2023.
[7] Z. Hu and Z. Wang and Y. Jin and W. Hou, “VGG-TSwinformer: Transformer - Based Deep Learning Model for Early Alzheimer’s Disease Prediction”,Compuer Methods Programs Biomed, vol. 229, p. 107291, 2023.
[8] https://www.nia.nih.gov/health/what-happens-brain-alzheimers-disease [Truy cập: 11/ 07/ 2023].
[9] C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens and Z. Wojna (2016), “Rethinking the Inception Architecture for Computer Vision,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, 2016, pp. 2818-2826, doi: 10.1109/CVPR.2016.308.
[10] François Chollet, “Xception: Deep Learning with Depthwise Separable Convolutions”, arXiv: 1610.02357v3, https://doi.org/10.48550/arXiv.1610.02357.
[11] G.Huang and Z. Liu and Weinberger,… Q. Kilian, “Densely Connected Convolutional Networks”, arXiv.org, arxiv.org/abs/1608.06993, 2016.
[12] M. Menagadevi and S. Mangai and N. Madian and D. Thiyagarajan, “Automated Prediction System for Alzheimer Detection Based on Deep Residual Autoencoder and Support Vector Machine”, Optik , vol. 272, p. 170212, 2023.
[13] Rethinking Model Scaling for Convolutional Neural Networks" của Mingxing Tan và Quoc V. Le, arxiv.org/abs/1905.11946.
[14] Kaiming He, Xiangyu Zhang, Shaoqing Ren and Jian Sun, "Deep Residual Learning for Image Recognition", IEEE Computer Vision and Pattern Recognition 2016, doi: 10.1109/CVPR.2016.90.
[15] Karen Simonyan, Andrew Zisserman, “Very Deep Convolutional Networks for Large-Scale Image Recognition”, arXiv.org, arXiv.1409.1556, 2014.
[16] Iqbal Z, Luo D, Henry P, Kazemifar S, Rozario T, Yan Y, Westover K, Lu W, Nguyen D, Long T, Wang J, Choy H, Jiang S. (2018) , “Accurate real time localization tracking in a clinical environment using Bluetooth Low Energy and deep learning”, PLoS One. 2018 Oct 11;13(10):e0205392. doi: 10.1371/journal.pone.0205392.
[17] Gulli, A.; Kapoor, A.; Pal, S. (2019), “Deep Learning with TensorFlow 2 and Keras: Regression, ConvNets, GANs, RNNs, NLP, and More with TensorFlow 2 and the Keras API”, Packt Publishing Ltd.: Birmingham, UK, 2019.
[18] Dosovitskiy, A.; Beyer, L.; Kolesnikov, A.; Weissenborn, D.; Zhai, X.; Unterthiner, T.; Dehghani, M.; Minderer, M.; Heigold, G.; Gelly, S.; et al. An Image Is Worth 16x16 Words: Transformers for Image Recognition at Scale. arXiv 2020, arXiv:2010.11929.
