Developing AI Expert System on Dementia for the Elderly

摘要

隨著高齡化社會的來臨，阿茲海默症的患病人數逐年攀升。但是，目前尚未有有效的方法與藥物治療來減緩疾病的發生。近年來，神經影像學正逐漸成為了解阿茲海默症疾病進程的有益方式，並且在醫學成像技術領域中使用深度學習技術的重要性在研究和臨床上都有很大的進展。使得?多研究者紛紛投入發展以醫學影像作為判斷的輔助診斷系統。另一方面，由於具有普遍性、低成本和非侵入性的特性，單光子電腦斷層掃描(SPECT)在神經影像學中佔據優勢，且確實在很大程度上呈現了阿茲海默症的診斷特徵。然而，SPECT影像的診斷需要嚴謹的過程同時必須具備高水平的專業知識。醫師需要花上大量時間查看影像以進行診斷。因此，深度學習能夠通過對特徵的自動檢測來幫助神經科醫師在臨床上的診斷。讓醫師除了可以依靠自己臨床的經驗外，也可以透過輔助系統的分辨結果做為客觀的參考的依據。從而減低了因為人對事物判斷的侷限性所帶來的失誤。 本研究旨在發展能夠分析阿茲海默疾病嚴重程度的AI專家系統，藉由偵測腦部特定區域的血流量，即時分析出受測者阿茲海默症的嚴重程度，並依照嚴重程度即時分析出該名患者的疾病嚴重程度狀況。提出了一個利用深度學習特性的方法使SPECT影像在判讀上能有較高的辨識準確率。採用近期受到廣泛應用的AutoKeras方式基於殘差網路架構，重新建構了一個深度神經網路，並使用來自成大醫院神經科提供的影像數據集對模型進行訓練。本研究成?對阿茲海默症受試者的?能性SPECT數據進行了分類，驗證數據和測試數據的準確性分別達到83 17％和76 39％。實驗結果表明，所提出的深度神經網絡方法能夠有效地利用SPECT影像診斷阿茲海默症，並清楚地解釋了所提出方法的有效性。期望能夠促進疾病輔助診斷技術的進步。幫助神經科醫師於診斷阿茲海默症時，可以做正確的判斷。

獎項日期	2020
原文	English
監督員	Chien-Hsu Chen (Supervisor)