Najnovšia štúdia diplomanta z výskumnej skupiny Vision & Graphics, vedená Dr. Marekom Jakabom z FIIT STU, sa zameriava na diagnostiku a interpretabilitu Alzheimerovej choroby zo snímok magnetickej rezonancie. Dosahuje 92 % presnosť v správnosti identifikovania Alzheimerovej choroby v porovnaní s kontrolnou vzorkou a poskytuje vysvetlenie svojho rozhodnutia.
Alzheimerova choroba je chronické ochorenie mozgu a najčastejšia príčina demencie. Pacienti strácajú pamäť, sú zmätení a majú ďalšie kognitívne a behaviorálne komplikácie. Symptómy sú s postupom choroby natoľko závažné, že zasahujú do každodenného života pacienta. Keďže ide o nezvratné ochorenie a existujúce liečebné postupy môžu jeho priebeh iba spomaliť, včasná a presná diagnostika Alzheimerovej choroby je kľúčová.
Metóda rozpoznávania Alzheimerovej choroby zo snímok MR je založená na princípe tzv. konvolučných neurónových sietí, ktoré sú veľmi častým prístupom pri riešení problémov z oblasti počítačového videnia či rozpoznávania obrazu. Napriek tomu, že vo všeobecnosti táto metóda dosahuje veľmi dobré výsledky, je zatiaľ stále relatívne málo známe, ako presne a prečo vlastne táto metóda poskytuje tak dobré výsledky. Práve to, že týmto neurónovým sieťam zatiaľ málo „vidíme do hlavy“, obmedzuje širšie využívanie tejto metódy napr. aj v oblasti diagnostiky pacientov.
„V našej práci sme spolu s diplomantom navrhli nový prístup k neurónovej sieti na diagnostiku Alzheimerovej choroby spolu s rôznymi interpretačnými metódami tak, aby sa vysvetlilo rozhodnutie klasifikátora s cieľom zvýšiť životaschopnosť diagnostiky prostredníctvom neurónových sietí odstránením pocitu, že ide o nejakú čiernu skrinku, ktorej rozhodnutiam nerozumieme,“ konštatuje Dr. Marek Jakab, výskumník z FIIT STU.
Táto štúdia bola publikovaná v zahraničnom karentovanom časopise International Journal of Imaging Systems and Technology. Navrhovaný klasifikátor 3D-CNN dosiahol presnosť 92,11 % pre Alzheimerovu chorobu v porovnaní s kontrolnou vzorkou, čo je porovnateľné s najmodernejšími prístupmi a podľa autorov štúdie funguje lepšie ako väčšina modelov, ktoré sa spoliehajú iba na MR snímky a jeden model.
„Navrhovaný model preto možno použiť na pomoc terapeutom pri identifikácii AD na základe skenov MRI, zatiaľ čo navrhnuté interpretačné metódy je možné použiť na vysvetlenie rozhodnutia modelu, ktoré je nevyhnutné v lekárskej oblasti. Navrhované interpretačné metódy sú však modelovo-agnostické, čo znamená, že ich je možné použiť na ľubovoľný model konvolučnej neurónovej siete v ľubovoľnej oblasti, a preto majú širokú škálu aplikácií,“ dodáva k výsledkom štúdie doc. Wanda Benešová, vedúca výskumnej skupiny Vision & Graphics na FIIT STU.
„Fakulta informatiky a informačných technológii sa od svojho vzniku zameriava najmä na aplikovaný výskum, do ktorého priamo vstupujú naši študenti formou rôznych tímových projektov či záverečných prác. Ja osobne sa veľmi teším z každého takéhoto výsledku našich študentov, pretože ukazujú, že aj tu u nás na Slovensku naši výskumníci a naši študenti môžu robiť vedu, za ktorú sa v zahraničí nemusíme hanbiť, a že záverečné práce našich študentov nekončia len v univerzitných archívoch, ale ich výsledky sú hodné publikovania v karentovaných časopisoch a môžu priamo niekomu pomôcť napríklad včasným diagnostikovaním choroby,” uzatvára prof. Ivan Kotuliak, dekan FIIT STU.
Odkaz na publikovanú štúdiu: https://onlinelibrary.wiley.com/doi/full/10.1002/ima.22657
Zdroj: FIIT STU
