Sviluppo ed applicazione di reti neurali convoluzionali con dati di neuroimaging

La malattia di Alzheimer (AD) è un disordine neurodegenerativo che rappresenta la forma più comune di demenza negli adulti sopra i 65 anni, mentre la compromissione cognitiva lieve (MCI) è una condizione che in alcuni casi può rappresentare una fase prodromica della malattia di Alzheimer, mentre in altri, è comune in pazienti con la malattia dei piccoli vasi cerebrali (SVD). In questo elaborato sono state sviluppate due reti neurali convoluzionali 2-D, NeuroNet-1 e NeuroNet-2 (o NeuroNet), ed applicate alla classificazione a 2 vie di: a) MCI con SVD (40 pazienti in totale) con dati di diffusione come gli indici di diffusività media (MD), anisotropia frazionaria (FA) e moda del tensore di diffusione (MO); b) AD (200 pazienti in totale) con dati MRI T1-pesati. NeuroNet-2 è basata su NeuroNet-1, attraverso considerazioni frutto di una fase preliminare di studio. I risultati sui dati di diffusione suggeriscono che, l'utilizzo di un approccio multi-modalità e di un numero di fette analizzate in relazione al numero di soggetti, comportino risultati migliori. Infatti, l'accuratezza sui dati di test ottenuta nello studio multi-modalità su 6 fette è di 0.97±0.08 (media±deviazione standard). Inoltre, l'utilizzo di tecniche di interpretazione dell'apprendimento, come Gradient-weighted Class Activation Mapping (Grad-CAM) e test di occlusione, ha permesso di valutare le regioni cerebrali più importanti nella predizione e dimostrare che, oltre ai lobi frontali, alcune regioni di sostanza bianca come il corpo calloso, il tapetum, le radiazioni talamiche posteriori ed il braccio anteriore della capsula interna, sono molto importanti nella predizione delle funzioni esecutive. Infine, nello studio che riporta risultati migliori, l'ordinamento secondo importanza delle mappe di indici di diffusione considerate risulta MD>MO>FA. Invece, sui dati MRI T1-pesati è stata ottenuta un'accuratezza sui dati di test di 0.97±0.01.