Alzheimerin taudin tunnistaminen MRI-kuvista käyttäen syviä neuroverkkoja
Turunen, Joona (2026-03-13)
Alzheimerin taudin tunnistaminen MRI-kuvista käyttäen syviä neuroverkkoja
(13.03.2026)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2026032021836
https://urn.fi/URN:NBN:fi-fe2026032021836
Tiivistelmä
Alzheimerin tauti on mahdollista tunnistaa kuvantamistutkimusten avulla jo vuosia ennen kliinisten oireiden ilmenemistä. Magneettikuvaus on taudin varhaisdiagnostiikassa käytetyin kuvantamistapa ja sen avulla on mahdollista nähdä aivoissa tapahtuvat rakenteelliset muutokset. Syväoppivilla neuroverkoilla on mahdollista tunnistaa hienovaraiset muutokset magneettikuvista vähentäen käsin tehdyn arvioinnin vaatimaa työmäärää.
Tässä kirjallisuuskatsauksessa tarkastellaan uusimpia Alzheimerin taudin tunnistamiseen kehitettyjä syviä neuroverkkoarkkitehtuureja. Tavoitteena on selvittää, millaisia neuroverkkoja tehtävään hyödynnetään ja mitkä soveltuvat parhaiten käytettäväksi kliiniseen ympäristöön.
Suosituimmiksi kehityskohteiksi todettiin konvoluutioneuroverkot, Vision Transformer -arkkitehtuurit ja hybridiverkot. Arkkitehtuurien väliset tarkkuuserot osoittautuivat hyvin pieniksi, eikä selvää parasta vaihtoehtoa ilmennyt. Konvoluutioneuroverkot ja hybridiverkot osoittautuivat hiukan luotettavimmiksi arkkitehtuureiksi, sillä ne suoriutuivat hyvin myös rajoitetusti saatavilla olevalla MRI-kuvamateriaalilla. Tutkielmassa käsitellyt neuroverkkoarkkitehtuurit soveltuvat kliiniseen ympäristöön tunnistamista helpottaviksi työkaluiksi, mutta vaaditut muisti- ja tehovaatimukset saattavat haitata laajaa käyttöönottoa.
Tässä kirjallisuuskatsauksessa tarkastellaan uusimpia Alzheimerin taudin tunnistamiseen kehitettyjä syviä neuroverkkoarkkitehtuureja. Tavoitteena on selvittää, millaisia neuroverkkoja tehtävään hyödynnetään ja mitkä soveltuvat parhaiten käytettäväksi kliiniseen ympäristöön.
Suosituimmiksi kehityskohteiksi todettiin konvoluutioneuroverkot, Vision Transformer -arkkitehtuurit ja hybridiverkot. Arkkitehtuurien väliset tarkkuuserot osoittautuivat hyvin pieniksi, eikä selvää parasta vaihtoehtoa ilmennyt. Konvoluutioneuroverkot ja hybridiverkot osoittautuivat hiukan luotettavimmiksi arkkitehtuureiksi, sillä ne suoriutuivat hyvin myös rajoitetusti saatavilla olevalla MRI-kuvamateriaalilla. Tutkielmassa käsitellyt neuroverkkoarkkitehtuurit soveltuvat kliiniseen ympäristöön tunnistamista helpottaviksi työkaluiksi, mutta vaaditut muisti- ja tehovaatimukset saattavat haitata laajaa käyttöönottoa.