تشخیص بیماری پارکینسون از روی تصاویر MRI با استفاده از روش‌های یادگیری عمیق

1- مقدمه[1]

تصاویر تشدید مغناطیسی[1] از مهم‌ترین و گسترده‌ترین روش‌های تصویربرداری پزشکی به شمار می‌روند که به دلیل ارائۀ تصاویر با وضوح زیاد و قابلیت نمایش دقیق ساختارهای نرم بدن، به ویژه مغز، کاربردهایی فراوان در تشخیص و پایش بیماری‌ها دارند. این تصاویر به کمک میدان مغناطیسی قوی و امواج رادیویی، اطلاعات سه‌بُعدی و دقیق از بافت‌های مغزی ارائه می‌دهند که برای پزشکان و پژوهشگران امکان تحلیل تغییرات مورفولوژیکی و ساختاری مغز را فراهم می‌کند [1].

بیماری‌های عصبی مانند بیماری پارکینسون، آلزایمر و مولتیپل اسکلروزیس (MS) از جملۀ بیماری‌های مهمی هستند که در مراحل اولیه با تغییرات ظریف در بافت مغزی همراه هستند و تشخیص به‌موقع آنها نقش بسیار حیاتی در روند درمان و بهبود کیفیت زندگی بیماران دارد. استفاده از MRI در این زمینه به دلیل عدم تهاجمی ‌بودن و قدرت تفکیک زیاد به یکی از ابزارهای اصلی در تشخیص پزشکی تبدیل شده است [2].

با وجود اهمیت بسیار زیاد تصاویر MRI، تحلیل دقیق و خودکار آنها به دلیل پیچیدگی‌های ذاتی این تصاویر، وجود نویز، تنوع بین‌فردی و تفاوت‌های دستگاه‌های تصویربرداری چالش‌برانگیز است. استخراج ویژگی‌های مؤثر و معنادار از تصاویر MRI نیازمند روش‌هایی است که بتوانند پیچیدگی‌های فضایی و ساختاری بافت‌های مغزی را به صورت دقیق و جامع مدل کنند [3].

روش‌های سنتی تحلیل تصاویر پزشکی عمدتاً مبتنی بر استخراج دستی ویژگی‌ها و قواعد تجربی بوده‌اند که نه فقط زمان‌بر هستند، بلکه محدودیت‌های زیادی در دقت و قابلیت تعمیم‌پذیری دارند. به همین دلیل، توسعۀ روش‌های یادگیری ماشینی و به ویژه یادگیری عمیق به منظور خودکارسازی و افزایش دقت تحلیل تصاویر پزشکی بسیار مورد توجه قرار گرفته است.

یادگیری عمیق، شاخه‌ای از یادگیری ماشین، با استفاده از شبکه‌های عصبی مصنوعی چندلایه امکان استخراج ویژگی‌های سطح بالا و پیچیده را فراهم می‌کند. شبکه‌های عصبی پیچشی (CNN)[2] که به طور خاص برای داده‌های تصویری طراحی شده‌اند، در سال‌های اخیر موفقیت‌هایی چشمگیر در طبقه‌بندی تصاویر پزشکی از جمله MRI به دست آورده‌اند [1].

ویژگی برجستۀ CNNها توانایی خودکار یادگیری ویژگی‌های مهم از داده‌ها بدون نیاز به طراحی دستی ویژگی است. این قابلیت باعث شده است تا در کاربردهایی متنوع مانند تشخیص تومورهای مغزی، بیماری‌های نورودژنراتیو و تحلیل بافت‌های مغزی به طور گسترده استفاده شوند [4].

شبکۀ VGG16 که توسط گروهVisual Geometry در دانشگاه آکسفورد توسعه یافته، یکی از شبکه‌های عمیق و پرکاربرد  CNN است که با ساختار ساده اما عمیق خود (16 لایه)، قابلیت استخراج ویژگی‌های سطح بالا را دارد. مزیت مهم VGG16 استفاده از فیلترهای کوچک 3×3 به صورت پیدرپی است که باعث افزایش دقت و بهبود عملکرد مدل می‌شود. این شبکه علاوه بر اینکه در بسیاری از چالش‌های بینایی کامپیوتری موفق بوده، در تحلیل تصاویر پزشکی نیز کاربردهای فراوان یافته است [5].

استفاده از مدل‌های پیش‌آموزش‌دیده مانند VGG16 که بر روی داده‌های بزرگ عمومی مانند ImageNet آموزش دیده‌اند، امکان انتقال یادگیری[3] را فراهم می‌کند. این روش کمک می‌کند تا با داده‌های کمتر و هزینۀ محاسباتی کمتر، مدل‌هایی دقیق برای تصاویر تخصصی پزشکی مانند MRI توسعه یابند [6].

با وجود توانایی زیاد شبکه‌های CNN در یادگیری ویژگی‌های پیچیده، این مدل‌ها به‌تنهایی قادر به استخراج دقیق ویژگی‌های هندسی و ساختاری تصاویر نیستند. تغییرات فضایی و موضعی بافت‌ها در تصاویر MRI می‌تواند باعث کاهش دقت طبقه‌بندی شود. به همین دلیل، استفاده از روش‌های پیش‌پردازش مبتنی بر تحلیل تغییر شکل و نرمال‌سازی تصاویر، به ویژه نرمال‌سازی جاکوبین، به منظور بهبود کیفیت داده‌ها و کمک به مدل در یادگیری ویژگی‌های مهم‌تر و پایدارتر مطرح شده است [3].

مطالعات اخیر نشان داده‌اند ترکیب روش‌های نرمال‌سازی با شبکه‌های CNN پیش‌آموزش‌دیده می‌تواند به طرزی چشمگیر عملکرد طبقه‌بندی تصاویر MRI را بهبود بخشد. برای مثال، پژوهش‌های جدید نشان داده‌اند این رویکرد ترکیبی می‌تواند به تشخیص دقیق‌تر بیماری‌های نورودژنراتیو منجر شود و در تشخیص زودهنگام بیماری‌هایی مانند پارکینسون نقش بسزایی ایفا کند [7] ، [8].

در این پژوهش، با استفاده از داده‌های معتبر پایگاه PPMI[4] که شامل تصاویر MRI افراد با ردۀ سنی 20 تا 50 سال است، روشی ترکیبی مبتنی بر شبکۀ VGG16 پیش‌آموزش‌دیده و نرمال‌سازی جاکوبین پیشنهاد شده است. هدف اصلی این پژوهش ارائۀ مدلی دقیق، کارآمد و قابل اعتماد برای طبقه‌بندی تصاویر MRI مغزی است که بتواند در کاربردهای بالینی و تشخیص زودهنگام بیماری‌های نورودژنراتیو نقشی مؤثر ایفا کند. این روش، با بهبود استخراج ویژگی‌های معنایی و ساختاری، قادر است محدودیت‌های روش‌های سنتی و حتی مدل‌های CNN خالص را پوشش دهد و راه‌حلی نوین برای چالش‌های موجود در تحلیل تصاویر MRI فراهم آورد.

اگرچه مطالعات قبلی در داخل کشور نیز کاربرد یادگیری عمیق در تحلیل تصاویر MRI را بررسی کرده‌اند، توجه کافی به ترکیب روش‌های هندسی و شبکه‌های عمیق نشده است. بنابراین، این پژوهش می‌تواند گامی مؤثر در توسعۀ سیستم‌های هوشمند تشخیصی در حوزۀ پزشکی ایران باشد.

۲- مواد و روش‌ها

در این فصل، ابتدا پایگاه دادۀ استفاده‌شده تشریح می‌شود و سپس به‌تفصیل روش‌های استفاده‌شده شامل معماری VGG16 و نرمال‌سازی جاکوبین بررسی خواهند شد. در پایان نیز، روش پیشنهادی ما ارائه می‌شود که ترکیبی از این دو مؤلفه است.

۱-۲-پایگاه دادۀ PPMI

در این پژوهش، از داده‌های پایگاه معتبر PPMI استفاده شده است. این پایگاه داده یکی از جامع‌ترین منابع عمومی در زمینۀ بیماری پارکینسون است و شامل داده‌های چندمرکزی تصویربرداری MRI به‌ همراه اطلاعات بالینی، ژنتیکی و بیولوژیکی شرکت‌کنندگان است.

در این مطالعه، فقط تصاویر MRI ساختاری T1-weighted مربوط به افراد سالم و بیماران مبتلا به پارکینسون استفاده شدند. معیار انتخاب داده‌ها در این پژوهش افراد بین 20 تا 50 سال بوده است.

در مجموع، 665 تصویر MRI با وضوح 240×256 و در فرمت DICOM در این مطالعه استفاده شده‌اند. این داده‌ها در دو کلاس به فرم زیر برچسب‌گذاری شده‌اند:

• بیماران مبتلا به پارکینسون[5]
• افراد سالم[6]

در شکل (1)، نمونه‌های از داده‌های ورودی نشان داده شده‌اند که نمونه‌های سمت راست مربوط به افراد پارکینسون و نمونه‌های سمت چپ مربوط به افراد سالم هستند.

شکل (1): تصاویر MRI افراد در دو کلاس PD و HC

۲-۲- شبکۀ عصبی پیچشی VGG16

شبکۀ عصبی پیچشی VGG16 یکی از مدل‌های پرکاربرد در حوزۀ بینایی ماشین است که نخستین ‌بار توسطSimonyan  و Zisserman در سال 2014 در دانشگاه آکسفورد توسعه داده شد. این مدل به ‌عنوان یکی از برترین شبکه‌های شرکت‌کننده در رقابت ILSVRC 2014 معرفی شد و با عملکرد جالب توجه خود در مجموعه دادۀ ImageNet، جایگاهی ویژه در مسائل طبقه‌بندی تصویر پیدا کرد.

مدل VGG16 متشکل از 16 لایه شامل 13 لایۀ کانولوشنی و 3 لایۀ کاملاً متصل است. در این معماری، از کرنل‌های همگن با اندازۀ 3×3 و استراید 1 استفاده شده است که با padding مناسب، ابعاد ویژگی‌ها را حفظ می‌کند. پس از هر بلوک کانولوشنی، یک لایۀ تجمیع[7] با کرنل 2×2 و استراید 2 برای کاهش ابعاد و استخراج ویژگی‌های مکانی استفاده می‌شود.

دلیل استفاده از مدل VGG16 این است که به دلیل ساختار ساده و نسبتاً کم‌عمق خود، قابلیت آموزش پایدار روی مجموعه دادۀ محدود MRI را دارد و امکان انتقال یادگیری از ImageNet را فراهم می‌کند. شبکه‌های پیچیده‌تر مانند ResNet یا EfficientNet به دادۀ بیشتری نیاز دارند و روی دادۀ محدود ممکن است به بیش‌برازش منجر شوند؛ بنابراین، برای این مطالعه مناسب نبوده‌اند.

خروجی هر لایۀ کانولوشنی  با استفاده از عملیات کانولوشن ورودی  و فیلترهای  به‌ همراه بایاس  طبق رابطۀ (1) محاسبه می‌شود:

که در آن  شاخص کانال خروجی (فیلتر) و اندازۀ کرنل است.

تابع فعال‌سازی ReLU پس از هر لایۀ کانولوشن به صورت رابطۀ (2) تعریف می‌شود:

در انتهای شبکه، سه لایۀ کاملاً متصل قرار دارند که دو لایۀ اول هر کدام شامل 4096 نورون هستند و لایۀ آخر متناسب با تعداد کلاس‌ها طراحی شده است. در این پژوهش، لایۀ خروجی دونورونی است که به دو کلاس «پارکینسون» و «سالم» مربوط می‌شود. خروجی شبکه با استفاده از تابع Sigmoid برای محاسبۀ احتمال تعلق نمونه به هر کلاس به صورت رابطۀ (3) بیان می‌شود:

در این رابطه،  نمرۀ خروجی حاصل از آخرین لایۀ کاملاً متصل است و  احتمال تعلق نمونۀ ورودی  به کلاس مثبت (مبتلا به پارکینسون) را بیان می‌کند.

در این پژوهش، از نسخۀ پیش‌آموزش‌دیدۀ VGG16 بر روی دیتاست ImageNet بهره گرفته شده و از تکنیک انتقال یادگیری برای فاین‌تیون مدل بر روی داده‌های MRI مغزی استفاده شده است. به ‌منظور جلوگیری از بیش‌برازش و کاهش هزینۀ محاسباتی، فقط لایه‌های تماماً متصل[8] آموزش‌پذیر باقی مانده‌اند و وزن لایه‌های اولیه فریز شده‌اند. مطالعات پیشین نیز اثربخشی شبکۀ VGG16 در کاربردهای تحلیل تصاویر پزشکی را نشان داده‌اند.

۲-۳- نرمال‌سازی جاکوبین

در این مطالعه، علاوه بر استفاده از شبکۀ پیش‌آموزش‌دیدۀ VGG16، برای افزایش پایداری و تعمیم‌پذیری مدل، از تکنیک رگولاریزاسیون مشتق جاکوبین استفاده شده است. این روش با اعمال جریمه بر اندازۀ مشتق خروجی مدل نسبت به ورودی‌ها، مدل را به یادگیری نگاشت‌های صاف‌تر و مقاوم‌تر به تغییرات کوچک در داده‌های ورودی ترغیب می‌کند.

فرض کنید مدل یادگیری عمیق تابعی  است که ورودی‌های  را به خروجی دودسته‌ای  نگاشت می‌کند. مشتق جاکوبین مدل نسبت به ورودی‌ها ماتریسی شامل مشتقات جزئی هر خروجی نسبت به هر ورودی است (رابطۀ ۴):

برای کاهش حساسیت مدل به تغییرات ناچیز ورودی، از معیار نُرم فروبنیوس[9] ماتریس جاکوبین استفاده می‌شود که طبق رابطۀ (۵) تعریف می‌شود:

این نُرم نشان‌دهندۀ بزرگی تغییرات خروجی مدل نسبت به تغییرات ورودی است. در حین آموزش، مقدار این نُرم محاسبه می‌شود و به عنوان یک عبارت جریمه با ضریب λ به تابع هزینه[10] افزوده می‌شود. تابع هزینۀ نهایی مدل به صورت رابطۀ (6) تعریف می‌شود:

که در آن:

• متغیر زیان باینری کراس ‌انتروپی برای طبقه‌بندی دوکلاسه است.
• متغیر λ ضریب وزن‌دهی به رگولاریزاسیون جاکوبین است.
• متغیر میانگین روی نمونه‌های داده‌های آموزشی D است.

این روش باعث بهبود عملکرد مدل در داده‌های تست و کاهش احتمال بیش‌برازش[11] می‌شود و به شبکه اجازه می‌دهد تا ویژگی‌هایی معنادار و پایدارتر برای تشخیص بیماری پارکینسون از تصاویر MRI بیاموزد.

۳- روش پیشنهادی

در این بخش، مراحل انجام‌شده برای اجرای سیستم پیشنهادی تشخیص بیماری پارکینسون مبتنی بر تصاویر MRI مغزی شرح داده می‌شود. ساختار کلی روش شامل سه مرحلۀ اصلی است: پیش‌پردازش داده‌ها، استخراج ویژگی با استفاده از شبکۀ VGG16 و به‌کارگیری نرمال‌سازی جاکوبین برای بهبود تعمیم‌پذیری مدل. جزئیات هر مرحله در ادامه آمده است.

۱-۳- پیش‌پردازش داده‌ها

پیش‌پردازش تصاویر MRI نقشی مهم در بهبود عملکرد مدل‌های یادگیری عمیق دارد، به ‌ویژه زمانی که مدل بر پایۀ شبکه‌های ازپیش‌آموزش‌دیده مانند VGG16 ساخته می‌شود. در این مطالعه، مجموعه‌ای از مراحل پردازش اولیه و استانداردسازی بر روی تصاویر ورودی اعمال شد تا تصاویر برای استفاده در شبکۀ عصبی عمیق مناسب شوند.

۱-۱-۳- نرمال‌سازی شدت تصاویر

اولین مرحله در پیش‌پردازش داده‌ها نرمال‌سازی شدت تصاویر است که در داده‌ها از محدودۀ 0 تا 255 به محدودۀ 0 تا 1 نگاشت می‌شوند. رابطۀ (۷) روش نگاشت را نشان می‌دهد که در آن  تصویر اولیه و  تصویر نرمال‌شده است.

۲-۱-۳- فیلترکردن ابعاد نامناسب

برای تطبیق با نیازهای معماری‌های متداول شبکه‌های کانولوشنی، کلیۀ تصاویر به ابعاد استاندارد بازنمونه‌برداری شدند. این اندازه‌گذاری مجدد با حفظ نسبت ابعاد کلی ساختار مغز انجام شده است. همچنین، تنها تصاویری که عرض آنها معادل 240 پیکسل بود (از نظر کیفیت و ساختار مناسب‌تر)، وارد مرحلۀ پردازش شدند.

۳-۱-۳- افزایش کانال‌های رنگی تصویر

با توجه به اینکه مدل VGG16 به عنوان یک شبکۀ ازپیش‌آموزش‌دیده بر روی دیتاست ImageNet طراحی شده است، ورودی‌های آن باید سه‌کاناله[12] باشند. از آنجا که تصاویر MRI ورودی خاکستری (تک‌کاناله) هستند، تبدیل آنها به فرمت سه‌کاناله ضروری بود. این کار با کپی‌کردن کانال تکراری سه‌باره (رابطۀ 8) انجام شد:

این تبدیل بدون افزودن اطلاعات جدید به تصویر، صرفاً ساختار ورودی را با مدل سازگار می‌کند.

۴-۱-۳- نرمال سازی نهایی

با وجود آنکه تصاویر MRI در مراحل ابتدایی پیش‌پردازش به بازۀ 0 تا 1 نرمال‌سازی شده بودند، نرمال سازی نهایی آنها الزامی است؛ زیرا این تابع، داده‌ها را مطابق توزیع آماری دیتاست ImageNet تنظیم می‌کند که مدل VGG16 بر پایۀ آن آموزش دیده است. این نرمال‌سازی شامل کسر میانگین‌های خاص هر کانال رنگی است تا ورودی‌ها دقیقاً با داده‌های آموزش‌دیدۀ مدل هم‌تراز شوند. انجام این مرحله موجب کاهش اختلاف آماری[13] بین داده‌های MRI و داده‌های آموزش VGG می‌شود. در نتیجه، عملکرد مدل بهبود و دقت طبقه‌بندی افزایش می‌یابد.

۲-۳- معماری شبکۀ عمیق پیشنهادی

در این پژوهش، برای تشخیص بیماری پارکینسون با استفاده از تصاویر MRI، مدل ترکیبی بر پایۀ شبکۀ عصبی کانولوشنی پیش‌آموزش‌دیده VGG16 توسعه یافته است. ورودی مدل تصاویر MRI با ابعاد 3×240×256 هستند که پس از پیش‌پردازش وارد مدل می‌شوند.

شکل (2): نمای کلی مدل پیشنهادی

مدل پیشنهادی (شکل ۲) شامل دو بخش اصلی است:

1. بخش استخراج ویژگی: در این بخش از شبکه، VGG16 با وزن‌های پیش‌آموزش‌دیده روی دیتاست ImageNet استفاده شده است. این بخش به صورت Freeze (یخ‌زده) بوده و وزن‌های آن در طول آموزش تغییر نمی‌کنند. لایه‌های تماماً متصل بالای VGG16 حذف شده‌اند و فقط لایه‌های کانولوشنی برای استخراج ویژگی نگه داشته شده‌اند. خروجی این بخش برداری با ابعاد 512×7×8 است.
2. بخش طبقه‌بندی سفارشی: خروجی بخش استخراج ویژگی پس از صاف‌شدن[14] به یک بردار یک‌بُعدی با طول 28672 تبدیل می‌شود. این بردار سپس وارد یک لایۀ Dense با 128 نورون و تابع فعال‌سازی ReLU می‌شود. برای جلوگیری ازبیش‌برازش، لایۀ دورانداز[15] با نرخ 5/0 به کار گرفته شده است. در نهایت، یک لایۀ Dense با نورون خروجی 1 و تابع فعال‌سازی سیگموید، احتمال تعلق نمونه به کلاس مثبت (مبتلا به پارکینسون) را پیش‌بینی می‌کند.

در ادامه، مدل با استفاده از بهینه‌ساز Adam و نرخ یادگیری  آموزش داده شد. تابع زیان اصلی BinaryCrossentropy است. برای بهبود پایداری و تعمیم‌پذیری مدل، منظم‌سازی مبتنی بر نُرم ماتریس ژاکوبین در نظر گرفته شد؛ به این صورت که در هر دوره، برای 20 درصد بچ‌ها، نُرم ژاکوبین خروجی مدل نسبت به ورودی محاسبه و به تابع زیان اضافه می‌شود. وزن منظم‌سازی  تعیین شده است تا تعادلی مناسب بین دقت مدل و پایداری آن برقرار شود. در جدول (1)، جزئیات لایه‌ها و ابعاد ورودی-خروجی بیان شده است.

جدول (۱): جزئیات لایه‌های ورودی و خروجی مدل پیشنهادی

در جدول (۲) پارامترهای مدل پیشنهادی قرار داده شده‌اند.

جدول (۲): پارامترهای مدل پیشنهادی

این معماری به صورت کامل و حرفه‌ای امکان استخراج ویژگی‌های پیچیده از تصاویر MRI را فراهم می‌آورد و با اضافه‌کردن منظم‌سازی ژاکوبین باعث بهبود تعمیم‌پذیری و کاهش حساسیت به نویزهای کوچک می‌شود.

۳-۳- مجموعۀ آموزش، ارزیابی و تست

برای ارزیابی عملکرد مدل و جلوگیری از بیش‌برازش، مجموعۀ داده‌ها به سه بخش آموزش، اعتبارسنجی و آزمون تقسیم شد. در گام نخست، داده‌ها به ‌همراه برچسب‌های متناظرشان، به ‌کمک تابع shuffle از کتابخانۀ Scikit-learn، به ‌صورت تصادفی بازآرایی شدند تا هرگونه وابستگی احتمالی ناشی از ترتیب داده‌ها حذف شود.

سپس به ‌وسیلۀ تابع train_test_split، 70 درصد از کل داده‌ها به عنوان مجموعۀ آموزش انتخاب شد و 30 درصد باقی‌مانده به عنوان یک مجموعۀ موقت (شامل داده‌های آزمون و اعتبارسنجی) نگه‌داری شد. در مرحلۀ بعد، مجموعۀ موقت به ‌طور مساوی و با نسبت 50%-50% 50% بین داده‌های اعتبارسنجی و آزمون تقسیم شد. در تمامی مراحل تقسیم، پارامتر stratify برابر با برچسب‌ها تنظیم شد تا نسبت نمونه‌ها در هر کلاس در تمام مجموعه‌ها ثابت بماند.

در شکل (3)، توزیع نهایی تعداد داده‌ها در هر بخش به ‌صورت زیر است:

• مجموعۀ آموزش: 404 تصویر
• مجموعۀ اعتبارسنجی: 87 تصویر
• مجموعۀ آزمون: 87 تصویر

این روش تقسیم داده‌ها باعث شد تا مدل بتواند در طول فرایند آموزش، با استفاده از داده‌های اعتبارسنجی بهینه‌سازی شود و در عین حال، ارزیابی نهایی عملکرد آن بر اساس داده‌هایی که در هیچ مرحله‌ای از آموزش دیده نشده‌اند (مجموعۀ آزمون[16])، انجام شود.

شکل (3): نمودار توزیع داده‌ها

۴- یافته‌ها

مدل پیشنهادی در طی 12 دورۀ آموزشی با استفاده از داده‌های آموزشی و مجموعۀ اعتبارسنجی ارزیابی شد. به ‌منظور مقابله با عدم توازن نمونه‌ها در کلاس‌های داده، از وزن‌دهی کلاس‌ها[17] در فرایند آموزش استفاده شد. این رویکرد موجب شد تا مدل نسبت به کلاس‌های کم ‌نمونه حساسیت بیشتری نشان دهد و عملکرد کلی بهبود یابد.

شکل‌های مربوط به تغییرات دقت[18] و تابع هزینه در طول فرایند آموزش و اعتبارسنجی در نمودارهای شکل (4) و شکل (5) ارائه شده‌اند. این نمودارها نشان می‌دهند مدل پس از چند دورۀ اولیه به‌سرعت به همگرایی رسیده است و در ادامۀ آموزش، مقادیر دقت تقریباً به حالت پایدار نزدیک به 100 رسیده‌اند و مقدار خطا نیز به سطوح بسیار پایین کاهش یافته است.

شکل (4): نمودار دقت در فرایند آموزش

شکل (5): نمودار خطا در فرایند آموزش

در جدول (3)، نتایج دقت و خطا برای هر دورۀ آموزشی بر اساس مجموعه‌های آموزشی و اعتبارسنجی گزارش شده است. همان‌گونه که مشاهده می‌شود، از دورۀ چهارم به بعد، مدل به دقت بیشتر از 93 درصد در مجموعۀ آموزشی و 100 درصد در مجموعۀ اعتبارسنجی دست یافته است. همچنین، در پایان دورۀ بیستم، دقت مدل بر روی مجموعۀ آزمون به 100 درصد رسید که بیانگر توانایی بسیار زیاد مدل در تعمیم‌پذیری بر روی داده‌های جدید است.

جدول (۳): نتایج مدل در زمان آموزش

این نتایج نشان‌دهندۀ آن است که ترکیب معماری شبکۀ عصبی پیشنهادی با تکنیک‌های بهبود تعمیم‌پذیری مانند وزن‌دهی کلاس‌ها، توانسته است در مسئلۀ تشخیص بیماری پارکینسون بر اساس تصاویر MRI به عملکردی بهینه و پایدار دست یابد.

تحلیل رفتار مدل در طول فرایند آموزش نشان می‌دهد استفاده از Jacobian Regularization تأثیری جالب توجه در بهبود پایداری همگرایی و کاهش نوسانات خطا داشته است. این رفتار با یافته‌های وانگ و همکاران [8] هم‌راستاست که استفاده از نرمال‌سازی مبتنی بر جاکوبین را در افزایش مقاومت مدل‌های CNN در برابر تغییرات موضعی گزارش کرده‌اند. اگرچه محاسبۀ جاکوبین بخشی از بار محاسباتی مرحلۀ آموزش را افزایش می‌دهد، این هزینه نسبتاً محدود است و فقط در فاز یادگیری اعمال می‌شود. نتایج این پژوهش نشان می‌دهد مزایای حاصل از این تکنیک که شامل تعمیم‌پذیری بیشتر، کاهش حساسیت به نویز و کسب دقت ۱۰۰ درصد در داده‌های آزمون می‌شوند، به‌مراتب بیش از افزایش جزئی زمان آموزش هستند. از این رو، می‌توان نتیجه گرفت استفاده از Jacobian Regularization در مدل پیشنهادی، از نظر علمی و کاربردی، توجیه‌پذیر است و به طور مؤثر کیفیت طبقه‌بندی تصاویر MRI را ارتقا می‌دهد.

۵- نتیجه‌گیری

در این پژوهش، یک رویکرد مبتنی بر شبکه‌های عصبی پیچشی عمیق برای طبقه‌بندی تصاویر MRI مغزی به ‌منظور تشخیص بیماری پارکینسون ارائه شد. داده‌های MRI پس از انجام پیش‌پردازش شامل نرمال‌سازی اولیه و تغییر ابعاد به اندازۀ 3×240×256 و اعمال تابع preprocess_input مختص معماری VGG16، برای استخراج ویژگی آماده شدند. استفاده از معماری VGG16 به عنوان استخراج‌گر ویژگی، همراه با نرمال‌سازی Jacobian، موجب بهبود تعمیم‌پذیری مدل و کاهش حساسیت به تغییرات موضعی تصویر شد.
فرآیند آموزش با تقسیم‌بندی دقیق داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون و با حفظ توزیع کلاس‌ها انجام شد. ارزیابی نتایج نشان داد مدل پیشنهادی توانست با دقت زیاد در طبقه‌بندی دوکلاسه (بیمار/سالم) عمل کند که این امر بیانگر توانایی زیاد مدل در شناسایی الگوهای مرتبط با پارکینسون در داده‌های MRI مغزی است.
به‌ طور کلی، یافته‌های این پژوهش نشان می‌دهد ترکیب روش‌های پیش‌پردازش دقیق، استخراج ویژگی عمیق و آموزش مبتنی بر داده‌های واقعی می‌تواند به عنوان یک ابزار کمکی ارزشمند برای تشخیص زودهنگام بیماری پارکینسون در محیط‌های بالینی استفاده شود. در آینده، توسعۀ مدل با استفاده از مجموعه ‌داده‌های بزرگ‌تر، بهبود ساختار معماری و بررسی روش‌های ترکیبی چندوجهی می‌تواند دقت و قابلیت اطمینان سیستم را بیش از پیش افزایش دهد.

[1] تاریخ ارسال مقاله: 31/06/1404

تاریخ پذیرش مقاله: 26/11/1404

نام نویسنده مسئول: سعید مشگینی

نشانی نویسنده مسئول: ایران، تبریز، دانشگاه تبریز، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی پزشکی

[1] Magnetic Resonance Imaging (MRI)

[2] Convolutional Neural Networks

[3] Transfer Learning

[4] Parkinson’s Progression Markers Initiative

[5] PD

[6] Healthy Controls - HC

[7] Max Pooling

[8] Fully Connected

[9] Frobenius norm

[10] Loss

[11] Overfitting

[12] RGB

[13] Covariate shift

[14] Flatten

[15] Dropout

[16] Test Set

[17] Class Weights

[18] Accuracy