將深度學習應用在阿茲海默症分類
研究人員使用新的策略，使用多切片並結合多模型的預測結果，形成新的機器學習架構，試圖及早並精準地分類阿茲海默症。
🍀什麼是阿茲海默症？
阿茲海默症是一種神經退化性疾病，主要的症狀為喪失短期記憶，患者的病狀會隨著時間增加越來越嚴重，目前仍無有效的治療方式。由於許多患者會表現出情緒不穩、無法自理、行為問題等症狀，且多不可回溯，若家裡有阿茲海默症患者，家人多需投入大量時間與金錢照顧患者。
🍀及早檢測出阿茲海默症有什麼好處？
從家庭的角度看，可以讓家庭有心理準備、規劃後續的照護問題。從醫院的角度看，及早診斷可以協助醫生掌握病患的情況，進行追蹤與干預。亦有助於政府單位規劃失智症資源分配。
🍀目前阿茲海默症分類器的限制
現有的模型大多使用2D平面影像輸入。然而，大腦是一個3D的物體，使用2D的影像輸入容易忽略大腦本身的立體特徵。若是選擇3D影像作為資料的輸入方式，相關醫療資料集較小，容易造成過擬合的風險。
🍀新的方法：結合多切片與多模型，提高預測精準度
在這次介紹的論文中，作者提出了一個新的機器學習框架，結合多個切片的結果，並集結三種模型的預測，做出最終判斷。
作者使用的三種模型，其中一個是DCGAN，其結合 CNN 與生成對抗網路 （GAN）的架構，透過生成器與判別器之間的對抗訓練，使判別器學會區分灰質密度圖。訓練完成後，作者使用DCGAN的判別器，分類所有MRI 影像的灰質密度圖，選出分類準確率最高的11張切片，作為模型後續的輸入資料。將VGG16與ResNet50兩個模型以這11張影像進行微調。接著，將這三種CNN模型（VGG16、ResNet50、DCGAN）的結果集結，以「多數投票」的方式，做出最終分類，以判斷病人是否罹患阿茲海默症。
🍀筆者觀點
根據台灣衛生福利部在2023年的調查報告，將失智者與無失智者相比，失智者有較高的急診與住院風險、就醫次數及醫療費用支出。而在失智者當中，阿茲海默症患者約占六成。雖然目前還沒有有效治療阿茲海默症的藥物，及早診斷阿茲海默症仍能為家屬跟醫療機構帶來益處，提早安排照護並進行醫療處置。
筆者非常好奇，論文作者有沒有比較過人工與機器判讀影像的優缺點，例如所需時間、準確度。阿茲海默症的診斷相較於中風，較無急迫性，因此關鍵在於是否能精準判斷病人是否已達阿茲海默症的標準。若是未來能使用機器輔助診斷阿茲海默症，相信會對民眾有很多的幫助。
撰文：許芝瑜
參考資料：
1. Wenjie Kang, Lan Lin, Baiwen Zhang, Xiaoqi Shen, Shuicai Wu. Multi-model and multi-slice ensemble learning architecture based on 2D convolutional neural networks for Alzheimer's disease diagnosis. Computers in Biology and Medicine. Volume 136, 2021, 104678, ISSN 0010-4825,
2. 衛生福利部公布最新臺灣社區失智症流行病學調查結果- 衛生福利部, https://www.mohw.gov.tw/cp-16-78102-1.html
留言
張貼留言