Применение глубокого обучения в задаче классификации нормы и патологии по снимкам МРТ головного мозга

В данной работе рассматривалась проблема классификации структур- ных МРТ на примере классификации заболевания Альцгеймера. В данной работе предложено несколько архитектур трёхмерных свёрточных сетей для задачи классификации МРТ снимков головного мозга, а также по- казана эффективность предложенных архитектур на данных Alzheimer’s Disease Neuroimaging Initiative, одной из крупнейших публичных выборок данных. Полученные результаты свидетельствуют, что свёрточные сети мо- гут успешно использоваться для классификации трёхмерных медицинских изображений, несмотря на малый объем выборок и высокую размерность данных. Главным преимуществом предложенного метода является простота ис- пользования и отсутствие необходимости в ручного выделения признаков. Предложенный подход может оказаться полезным для быстрой классифи- кации любых МРТ снимков без дополнительных затрат по времени и вы- числениям на генерацию признаков, при условии автоматизации процесса удаления черепа и нормализации входных данных. Ключевые слова: НЕЙРОНАУКИ, МАШИННОЕ ОБУЧЕНИЕ, КЛАССИ- ФИКАЦИЯ, НЕЙРОННЫЕ СЕТИ.