la prédection basée sur les techniques de Deep Learning

Abstract

Alzheimer's disease is one of the most common types of dementia, mainly affecting people over the age of 60. In clinical practice, early detection of Alzheimer's disease is difficult and there are currently very few reliable diagnostic systems available for detection. There are different stages of Alzheimer's disease: MildDemented, ModerateDemented, NonDemented, and VeryMildDemented. Early detection of these stages is also difficult. Therefore, cases in the VeryMildDemented stage get worse and lead to poor memory as well as complete loss of health and making them unable to perform daily tasks without the help of others. Early detection of VeryMildDemented cases can help patients pursue specific medical care to halt disease progression and prevent brain damage. Recently, there has been significant interest in the application of deep learning methods for the early detection of Alzheimer's disease. Indeed, to stop the growth of Alzheimer's disease, various scientists and researchers are trying to develop methods for early detection using MRI images. In this thesis, we have designed and developed a new system that applies deep learning methods for the early detection of the main stages of Alzheimer's disease. To do this, we used the VGG19 model for the extraction of discriminative features and we trained a Convolutional Neural Network (CNN) model for the classification of the input MRI images among one of the four classes representing the four main stages. Alzheimer's disease, namely, MildDemented, ModerateDemented, NonDemented, and VeryMildDemented. To train and test the models of our system, we used the OASIS database which contains 6400 MRI images and we obtained very significant performances which surpass those obtained by most of the existing systems in the literature. ------------------------------------------------------------------------------------- يعد مرض الزهايمر أحد أكثر أنواع الخرف شيوعًا ، ويصيب بشكل رئيسي الأشخاص الذين تزيد أعمارهم عن 60 عامًا. يعد الاكتشاف المبكر لمرض الزهايمر صعبًا ولا يوجد حاليًا سوى عدد قليل جدًا من أنظمة التشخيص الموثوقة المتاحة للكشف. هناك مراحل مختلفة من مرض الزهايمر: مريض خفيف ، مريض ، غير مصاب بمرض الزهايمر و مريض جدا. من الصعب أيضًا الكشف المبكر عن هذه المراحل. لذلك ، فإن الحالات في مرحلة مريض جدا تزداد سوءًا وتؤدي إلى ضعف الذاكرة بالإضافة إلى فقدان كامل للصحة وتجعلهم غير قادرين على أداء المهام اليومية دون مساعدة الآخرين. يمكن أن يساعد الاكتشاف المبكر لحالات مريض جدا المرضى في متابعة رعاية طبية محددة لوقف تطور المرض ومنع تلف الدماغ. في الآونة الأخيرة. كان هناك اهتمام كبير بتطبيق أساليب التعلم العميق للكشف المبكر عن مرض الزهايمر. في الواقع ، لوقف نمو مرض الزهايمر ، يحاول العديد من العلماء والباحثين تطوير طرق للكشف المبكر باستخدام صور التصوير بالرنين المغناطيسي. في هذه الرسالة صممنا وطورنا نظامًا جديدًا يطبق طرق التعلم العميق للكشف المبكر عن المراحل الرئيسية لمرض الزهايمر. للقيام بذلك ، استخدمنا نموذج VGG19 لاستخراج السمات التمييزية وقمنا بتدريب نموذج الشبكة العصبية التلافيفية (CNN) لتصنيف مدخلات صور التصوير بالرنين المغناطيسي بين أحد الفئات الأربع التي تمثل المراحل الرئيسية الأربع. مريض خفيف ، مريض ، غير مصاب و مريض جدا لتدريب نماذج نظامنا واختبارها ، استخدمنا قاعدة بيانات OASIS التي تحتوي على 6400 صورة بالرنين المغناطيسي وحصلنا على أداء مهم للغاية يتجاوز تلك التي حصلت عليها معظم الأنظمة الموجودة في الأدبيات. ----------------------------------------------------------------------------------- La maladie d'alzheimer est l'un des types de démence les plus répandus, qui touche principalement les personnes âgées de plus de 60 ans. Dans la pratique clinique, la détection précoce de la maladie d'alzheimer est difficile et il existe actuellement très peu de systèmes de diagnostic fiables et disponibles pour la détection. Il existe différents stades de la maladie d'alzheimer : MildDemented, ModerateDemented, NonDemented, and VeryMildDemented. La détection précoce de ces stades est aussi difficile. Par conséquent, les cas du stade VeryMildDemented (démence très léger) s'aggravent et entraînent une mémoire faible ainsi qu’une perte de santé complète et les rend incapable de d’effectuer des tâches quotidiennes sans l'aide d'autrui. La détection précoce des cas VeryMildDemented peut aider les patients à suivre des soins médicaux spécifiques pour arrêter la progression de la maladie et éviter les lésions cérébrales. Récemment, il y a eu un intérêt important pour l'application des méthodes de deep learning (apprentissage en profondeur) pour la détection précoce de la maladie d’alzheimer. En effet, pour arrêter la croissance de la maladie d'alzheimer, divers scientifiques et chercheurs s'efforcent de mettre au point des méthodes pour la détection précoce à l'aide d'images IRM. Dans ce mémoire, nous avons conçu et développé un nouveau système qui applique les méthodes de deep learning pour la détection précoce des stades principaux de la maladie d'alzheimer. Pour ce faire, nous avons utilisé le modèle VGG19 pour l’extraction de caractéristiques discriminantes et nous avons entraîné un modèle de Réseaux de Neurones Convolutif (CNN) pour la classification des images IRM d’entrée parmi une des quatre classes représentant les quatre stades principaux de la maladie d'alzheimer, en l’occurrence, MildDemented, ModerateDemented, NonDemented, and VeryMildDemented. Pour entraîner et tester les modèles de notre système, nous avons utilisé la base de données OASIS qui contient 6400 images IRM et nous avons obtenu des performances très importantes et qui surmontent celles obtenus par la plupart des systèmes existant dans la littérature.