Aprendizaje Profundo en Salud Inteligente: Un Enfoque Basado en GAN para la Clasificación Desbalanceada de la Enfermedad de Alzheimer

La enfermedad de Alzheimer (EA) es un tipo de demencia que conduce a la pérdida de memoria y deterioro, lo que afecta gravemente la vida de los pacientes. No es curable aún, pero su progresión puede ralentizarse si se detecta en etapas tempranas. En este estudio de investigación, proponemos un modelo de red neuronal convolucional (CNN) basado en aprendizaje por transferencia para clasificar imágenes de resonancia magnética (IRM) en una de las cuatro etapas de la enfermedad de Alzheimer. Una de las principales limitaciones del modelo de clasificación basado en aprendizaje profundo es la no disponibilidad de conjuntos de datos de salud relacionados con la EA. El conjunto de datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI) presenta un importante problema de desbalance de clases. Proponemos una técnica de aumento de datos basada en redes generativas adversariales (GAN) para superar el desbalance de datos. Esto promueve la investigación de la aplicación de GANs para generar muestras sintéticas para clases minoritarias en conjuntos de datos de la enfermedad de Alzheimer para mejorar el rendimiento de la clasificación. Los resultados muestran la progresión en el proceso general de clasificación de la EA.