Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

1 2025

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Alzheimer’s disease classification from MRI using visiontransformer

Kandi Mohith Reddy, Kothapalli Sree Vijaya Lakshmi, Rajanala Sivamsh Pavan, Koneru Suvarna Vani, Vattikunta Vishnu Pramukh

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2025

T. 15, nr 3

38--44

Alzheimer’s disease (AD) is a progressive neurodegenerative disorder that presents significant challenges for early diagnosisand intervention. Traditional approaches for diagnosing AD using MRI images are labor-intensiveand often subjective, resulting in the need for automated, accurate solutions to support clinicians in early-stage detection. This study investigates the use of vision transformer (ViT) for the classification of Alzheimer's disease stages using MRI images. By treating MRI imagesas sequences of tokens, ViT models capture both global and local spatial dependencies, which enhances their ability to recognize structural brain changes characteristic of AD. The model was trained on a diverse dataset containing four AD categories–Moderate Demented, Mild Demented, Very Mild Demented, and Non-Demented–achievingan overall classification accuracy of 98.9%. This result highlights the efficacy of transformer-based models in distinguishing between subtle structural brain alterations. Future directions for this study include fine-tuning the model on larger datasets and exploring the integration of multi-modal data to further support AD diagnosis and treatment strategies. The findings indicate that vision transformer have the potential to transform diagnostic imaging for neurodegenerative disorders by providing a robust, scalable,and precise tool for early AD detection.

Choroba Alzheimera (AD) jest postępującą chorobą neurodegeneracyjną, która stanowi poważne wyzwanie dla wczesnej diagnostyki i interwencji. Tradycyjne metody diagnozowania AD przy użyciu obrazów MRI są pracochłonne i często subiektywne, co powoduje potrzebę stosowania zautomatyzowanych, dokładnych rozwiązań wspierających lekarzy w wykrywaniu choroby we wczesnym stadium. Niniejsze badanie dotyczy wykorzystania transformera wizyjnego (ViT) do klasyfikacji stadiów choroby Alzheimera na podstawie obrazów MRI. Traktując obrazy MRI jako sekwencje tokenów, modele ViT wychwytują zarówno globalne, jak i lokalne zależności przestrzenne,co zwiększa ich zdolność do rozpoznawania zmian strukturalnych w mózgu charakterystycznych dla AD. Model został wytrenowany na zróżnicowanym zbiorze danych zawierającym cztery kategorie AD–umiarkowaną demencję, łagodną demencję, bardzo łagodną demencję i brak demencji–osiągając ogólną dokładność klasyfikacjina poziomie 98,9%. Wynik ten podkreśla skuteczność modeli opartych na transformerach w rozróżnianiu subtelnych zmian strukturalnych w mózgu. Przyszłe kierunki badań obejmują dostosowanie modelu do większych zbiorów danych oraz zbadanie możliwości integracji danych multimodalnych w celu dalszego wsparcia diagnostyki i strategii leczenia choroby Alzheimera. Wyniki wskazują, że transformer wizyjny ma potencjał, aby zrewolucjonizować diagnostykę obrazową zaburzeń neurodegeneracyjnych, zapewniając solidne, skalowalne i precyzyjne narzędzie do wczesnego wykrywania choroby Alzheimera.