Detection of early stage Alzheimer's disease in gradient-based MR images using deep learning methods

Mehmet Emre Sertkaya; Meryem Durmuş; Burhan Ergen

Makale detayları

Detection of early stage Alzheimer's disease in gradient-based MR images using deep learning methods

Yazarlar:

Mehmet Emre Sertkaya | Meryem Durmuş | Burhan Ergen

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Görüntü İşleme | Yapay Zeka (Diğer)

Dergi:

Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.13 Issue 3, pp.750-759

Belge Tipi:

Makale

Yayın Tarihi:

7/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001322956

pISSN:

2564-6605

Anahtar kelimeler:

Özet:

 Alzheimers Disease AD, a form of dementia prevalent in older age, is a neurodegenerative condition impacting brain nerve cells. Early-stage AD symptoms are often subtle, complicating timely diagnosis. Early detection allows for intervention, slowing disease progression and facilitating appropriate treatments. Deep learning methods, particularly gradient-based images, prove promising for early Alzheimers detection in Magnetic Resonance MR imaging. Gradient-based images, highlighting details in low-intensity images and enhancing contrast, play a vital role in determining structures location, shape, and size, notably in techniques like Magnetic Resonance Imaging MRI. This study aims to boost model performance in early AD detection by applying the Gradient filter before training deep learning models on diverse-angle and constant-density brain MRI images. The dataset comprises three categories representing early-stage AD, including images of Mild cognitive impairment and healthy individuals. Original and gradient-filtered image subsets were inputted into deep learning models. Results indicate superior performance of gradient-based images, with the Densenet201 deep learning model achieving the highest accuracy at 98.63.

 Alzheimers Disease AD, a form of dementia prevalent in older age, is a neurodegenerative condition impacting brain nerve cells. Early-stage AD symptoms are often subtle, complicating timely diagnosis. Early detection allows for intervention, slowing disease progression and facilitating appropriate treatments. Deep learning methods, particularly gradient-based images, prove promising for early Alzheimers detection in Magnetic Resonance MR imaging. Gradient-based images, highlighting details in low-intensity images and enhancing contrast, play a vital role in determining structures location, shape, and size, notably in techniques like Magnetic Resonance Imaging MRI. This study aims to boost model performance in early AD detection by applying the Gradient filter before training deep learning models on diverse-angle and constant-density brain MRI images. The dataset comprises three categories representing early-stage AD, including images of Mild cognitive impairment and healthy individuals. Original and gradient-filtered image subsets were inputted into deep learning models. Results indicate superior performance of gradient-based images, with the Densenet201 deep learning model achieving the highest accuracy at 98.63.

 Alzheimers Disease AD, a form of dementia prevalent in older age, is a neurodegenerative condition impacting brain nerve cells. Early-stage AD symptoms are often subtle, complicating timely diagnosis. Early detection allows for intervention, slowing disease progression and facilitating appropriate treatments. Deep learning methods, particularly gradient-based images, prove promising for early Alzheimers detection in Magnetic Resonance MR imaging. Gradient-based images, highlighting details in low-intensity images and enhancing contrast, play a vital role in determining structures location, shape, and size, notably in techniques like Magnetic Resonance Imaging MRI. This study aims to boost model performance in early AD detection by applying the Gradient filter before training deep learning models on diverse-angle and constant-density brain MRI images. The dataset comprises three categories representing early-stage AD, including images of Mild cognitive impairment and healthy individuals. Original and gradient-filtered image subsets were inputted into deep learning models. Results indicate superior performance of gradient-based images, with the Densenet201 deep learning model achieving the highest accuracy at 98.63.

 Alzheimer Hastalığı AD, genellikle yaşlılık döneminde görülen bir demans türüdür. AD, beynin sinir hücrelerine yavaşça zarar veren bir nörodejeneratif hastalıktır. Erken evre AD belirtileri genellikle hafif ve tipik olmayan olduğundan teşhisi zorlaştırır. Ancak erken teşhis, hastalığın ilerlemesini yavaşlatma ve uygun tedavi seçenekleri sunma açısından müdahaleyi mümkün kılar. Derin öğrenme yöntemleri, özellikle Manyetik Rezonans MR görüntülerinde ince detayları tespit etmek için kullanılabilir. Bu yöntemler, özellikle Manyetik Rezonans Görüntüleme MRG gibi görüntüleme tekniklerinde, çeşitli yapıların konumunu, şeklini ve boyutunu belirlemede gradient tabanlı görüntülerin önemli bir rol oynadığı düşünülmektedir. Bu çalışma, farklı açılardaki ve sabit yoğunluktaki beyin MR görüntülerini eğitmek için Derin Öğrenme modellerine önce Gradient filtresi uygulayarak Alzheimer hastalığının erken tespiti konusundaki modellerin performansını artırmayı amaçlamaktadır. Erken aşama ADyi temsil eden üç farklı kategoriden oluşan görüntü veri seti, hafif bilişsel bozukluğa sahip bireylerin ve sağlıklı bireylerin görüntülerini içermektedir. Orijinal ve gradient filtrelenmiş görüntü alt kümeleri, derin öğrenme modellerine giriş olarak kullanılmıştır. Çalışma sonuçları, gradient tabanlı görüntülerin derin öğrenme modellerinde orijinal görüntülerden daha iyi bir performans sergilediğini göstermektedir. Densenet201 derin öğrenme modeli 98,63lük en yüksek doğruluk oranını elde etmiştir.

Makale detayları

Detection of early stage Alzheimer's disease in gradient-based MR images using deep learning methods

Yazarlar:

Mehmet Emre Sertkaya | Meryem Durmuş | Burhan Ergen

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Görüntü İşleme | Yapay Zeka (Diğer)

Dergi:

Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.13 Issue 3, pp.750-759

Belge Tipi:

Makale

Yayın Tarihi:

7/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001322956

pISSN:

2564-6605

Alzheimer

Deep Learning Techniques

Gradient Filter

Magnetic Resonance Images

Mild Cognitive ImpairmentAlzheimer Hastalığı

Derin Öğrenme Teknikleri

Gradyan Filtre

Manyetik Rezonans Görüntüleri

Hafif Bilişsel Bozukluk

Sayı

Makale detayları

Yazarlar: Mehmet Emre Sertkaya | Meryem Durmuş | Burhan Ergen

Yayıncı: Nigde Omer Halisdemir University

Ana Başlıklar: Görüntü İşleme | Yapay Zeka (Diğer)

Dergi: Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.13 Issue 3, pp.750-759

Belge Tipi: Makale

Yayın Tarihi: 7/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001322956

pISSN: 2564-6605

Sayı

Yazarlar:

Mehmet Emre Sertkaya | Meryem Durmuş | Burhan Ergen

Yayıncı:

Nigde Omer Halisdemir University

Ana Başlıklar:

Görüntü İşleme | Yapay Zeka (Diğer)

Dergi:

Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi Vol.13 Issue 3, pp.750-759

Belge Tipi:

Makale

Yayın Tarihi:

7/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001322956

pISSN:

2564-6605