USING GAN AND MLP ARTIFICIAL NEURAL NETWORKS TO SUPPORT EARLY DIAGNOSIS OF ALZHEIMER’S DISEASE: A STUDY ON THE POTENTIAL OF ARTIFICIAL DATA EXPANSION
A expectativa de vida da população dos países mais desenvolvidos cresce a cada dia e, consequentemente, há um aumento de diversas doenças relacionadas ao envelhecimento. No Brasil, pouco mais de 1,1 milhão de pessoas têm Doença de Alzheimer (DA). Em 2019, de acordo com a Organização Mundial da Saúde (OMS), a Doença de Alzheimer e outras demências eram a terceira principal causa de mortalidade nas Américas e na Europa. Apesar de ser uma doença degenerativa e irreversível, se diagnosticada precocemente, os tratamentos podem ser realizados a fim de retardar a progressão dos sintomas e garantir uma melhor qualidade de vida ao paciente. A maioria dos artigos que estudam soluções de Inteligência Computacional para apoiar o diagnóstico seguem uma abordagem baseada em evidências de neuroimagem. Além disso, outra abordagem que vem ganhando destaque é a análise biomolecular. Seguindo essa abordagem, Ray et al., Ravetti & Moscato e Dantas & Valença realizaram estudos com classificadores com base na área estatística ou na Inteligência Computacional para subsidiar o diagnóstico precoce da doença. O trabalho foi realizado a partir de um conjunto de dados com valores de 120 proteínas sanguíneas. Com isso, eles conseguiram classificar se o paciente poderia ou não ser diagnosticado com DA. Este trabalho visou utilizar uma abordagem tradicional com uma proposta de modelo de Rede Neural Artificial Multilayer Perceptron (MLP) para realizar o diagnóstico precoce de um paciente com ou sem DA e também comparar os resultados obtidos com os resultados dos trabalhos relacionados citados. Além disso, este trabalho teve como objetivo principal avaliar o potencial da utilização de dados sintéticos gerados por meio de uma Generative Adversarial Network (GAN) no treinamento e testes do modelo de classificação proposto. O modelo proposto de MLP apresentou como resultados taxas médias de 94% de acurácia, 100% de sensibilidade e 87% de especificidade. Esses resultados mostraram a grande capacidade do modelo, especialmente em reconhecer a classe enferma. Quanto aos dados sintéticos gerados, estes demonstraram potencial na otimização do desempenho do modelo original através da expansão artificial de dados.
USING GAN AND MLP ARTIFICIAL NEURAL NETWORKS TO SUPPORT EARLY DIAGNOSIS OF ALZHEIMER’S DISEASE: A STUDY ON THE POTENTIAL OF ARTIFICIAL DATA EXPANSION
-
DOI: 10.22533/at.ed.4482216037
-
Palavras-chave: Doença de Alzheimer, Multilayer Perceptron, Redes Neurais Artificiais, Generative Adversarial Networks, Data Augmentation.
-
Keywords: Alzheimer's disease, Multilayer Perceptron, Artificial Neural Networks, Generative Adversarial Networks, Data Augmentation.
-
Abstract:
The life expectancy of the population in the most developed countries is growing every day and, consequently, there is an increase in various age-related diseases. In Brazil, just over 1.1 million people have Alzheimer's disease (AD). In 2019, according to the World Health Organization, Alzheimer's disease and other dementias were the third leading cause of mortality in the Americas and Europe. Despite being a degenerative and irreversible disease, if diagnosed early, treatments can be performed to slow the progression of symptoms and ensure a better quality of life for the patient. Most papers that study Computational Intelligence solutions to support diagnosis follow an approach based on neuroimaging evidence. In addition to this, another approach that has been gaining prominence is biomolecular analysis. Following this approach, Ray et al., Ravetti & Moscato and Dantas & Valença performed studies with classifiers based on the statistical area or on Computational Intelligence to support the early diagnosis of the disease. The work was carried out from a data set with values of 120 blood proteins. With this, they were able to classify whether the patient could be diagnosed with AD. This work aimed to use a traditional approach with a proposed Multilayer Perceptron Artificial Neural Network model to perform the early diagnosis of a patient with or without AD and compare the results obtained with the results of the related works mentioned. In addition, this work had, as its main objective, the evaluation of potential use of synthetic data generated through a Generative Adversarial Network (GAN) in the training and testing of the proposed classification model. The proposed MLP model presented mean rates of 94% accuracy, 100% sensitivity and 87% specificity. These results showed the remarkable capacity of the model, especially in recognizing the sick class. As for the synthetic data generated, these showed potential in optimizing the performance of the original model through artificial data expansion.
-
Número de páginas: 19
- Renan Costa Alencar
- Mêuser Jorge Silva Valença
- Jonathan Bandeira
