[논문 리뷰] Deep Learning Based Early Diagnostics of Parkinsons Disease

Elcin Nizami Huseyn|arXiv (Cornell University)|2020. 08. 04.

Parkinson's Disease Mechanisms and Treatments참고 문헌 13인용 수 4

한 줄 요약

이 연구는 뇌경색, 다발성 경화증, 건강한 대조군을 MRI 영상으로 구분함으로써 파킨슨병(PD)의 조기 진단을 가능하게 하는 딥러닝 접근법을 제안한다. 파킨슨병의 병리학적 특징에 맞게 최적화된 향상된 신경망 아키텍처를 활용하여 이스탄불 대학교 셔라파사 의과대학에서 확보한 임상 MRI 데이터에서 높은 정확도와 낮은 손실을 달성하였으며, 이는 조기이고 정확한 신경계 질환 분류의 강력한 잠재력을 보여준다.

ABSTRACT

In the world, about 7 to 10 million elderly people are suffering from Parkinson's Disease (PD) disease. Parkinson's disease is a common neurological degenerative disease, and its clinical characteristics are Tremors, rigidity, bradykinesia, and decreased autonomy. Its clinical manifestations are very similar to Multiple System Atrophy (MSA) disorders. Studies have shown that patients with Parkinson's disease often reach an irreparable situation when diagnosed, so As Parkinson's disease can be distinguished from MSA disease and get an early diagnosis, people are constantly exploring new methods. With the advent of the era of big data, deep learning has made major breakthroughs in image recognition and classification. Therefore, this study proposes to use The deep learning method to realize the diagnosis of Parkinson's disease, multiple system atrophy, and healthy people. This data source is from Istanbul University Cerrahpasa Faculty of Medicine Hospital. The processing of the original magnetic resonance image (Magnetic Resonance Image, MRI) is guided by the doctor of Istanbul University Cerrahpasa Faculty of Medicine Hospital. The focus of this experiment is to improve the existing neural network so that it can obtain good results in medical image recognition and diagnosis. An improved algorithm was proposed based on the pathological characteristics of Parkinson's disease, and good experimental results were obtained by comparing indicators such as model loss and accuracy.

연구 동기 및 목표

• 파킨슨병(PD), 다발성 경화증(MSA), 건강한 대조군을 MRI 영상으로 구분할 수 있는 딥러닝 모델을 개발하는 것.
• 조기 진단이 어려운 파킨슨병의 문제를 해결하기 위해 고급 영상 분석을 통해 조기 탐지 기능을 제공하는 것.
• 파킨슨병에 특화된 병리학적 특징을 신경망 아키텍처에 통합하여 기존의 신경망 아키텍처를 개선하고 의료 영상 인식 능력을 향상시키는 것.
• 의료 전문가가 지도한 프리프로세싱을 적용한 대학 병원의 실제 임상 MRI 데이터를 사용하여 모델 성능을 검증하는 것.

제안 방법

• 본 연구는 이스탄불 대학교 셔라파사 의과대학 병원에서 확보한 MRI 영상 자료를 주요 데이터 소스로 사용한다.
• 의료 전문가가 지도한 프리프로세싱을 통해 임상적 관련성과 일관성을 확보한다.
• 파킨슨병의 병리학적 특징을 기반으로 개선된 딥 뉴럴 네트워크를 설계하여 진단 성능를 향상시킨다.
• 표준 평가 지표인 손실과 정확도를 사용하여 모델을 훈련 및 평가하여 분류 성능를 평가한다.
• 작은에서 중간 크기의 의료 영상 데이터셋을 효과적으로 처리할 수 있도록 최적화된 아키텍처로 일반화 능력을 높인다.
• 세 가지 클래스 간 성능 비교: 파킨슨병, 다발성 경화증, 건강한 대조군.

실험 결과

연구 질문

• RQ1 딥러닝 모델이 MRI 영상으로 파킨슨병, 다발성 경화증, 건강한 개인을 효과적으로 구분할 수 있는가?
• RQ2 신경망 아키텍처에 질환 특이적 병리학적 특징을 통합할 경우 진단 정확도는 어떻게 향상되는가?
• RQ3 향상된 딥러닝 모델은 임상 MRI 데이터에서 분류 손실을 얼마나 줄이고 정확도를 높일 수 있는가?
• RQ4 제안된 방법은 영구적인 손상이 발생하기 이전에 파킨슨병의 조기 진단을 지원할 수 있는가?

주요 결과

• 제안된 딥러닝 모델은 파킨슨병, 다발성 경화증, 건강한 대조군을 높은 정확도로 구분하는 데 성공하였다.
• 훈련 과정에서 낮은 손실 값이 나타나 강력한 수렴성과 안정성을 보였다.
• 향상된 신경망 아키텍처는 정확도 및 손실 지표에서 기준 모델보다 뛰어난 성능을 보였다.
• 의료 전문가가 지도한 프리프로세싱을 통해 MRI 데이터를 효과적으로 활용하여 진단 신뢰도를 향상시켰다.
• 결과적으로 모델는 파킨슨병의 조기 진단에 효과적이며, 영구적인 임상적 결과를 방지할 수 있는 잠재력을 보였다.
• 이 연구는 임상 MRI 자료를 활용한 딥러닝이 정확한 신경계 질환 분류에 가능하다는 것을 확인하였다.