Syväoppimismallien hyödyntäminen Alzheimerin taudin diagnosointiin MRI-kuvista

Alzheimerin tauti on etenevä neurodegeneratiivinen sairaus, joka heikentää muistia ja muita kognitiivisia toimintoja. Varhainen diagnosointi on keskeistä, sillä ajoissa aloitettu hoito voi hidastaa taudin etenemistä ja parantaa potilaan elämänlaatua. Syväoppimismallit ovat osoittautuneet lupaaviksi...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Salin, Kaisla
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Kandityö
Kieli:fin
Julkaistu: 2025
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/101867
Kuvaus
Yhteenveto:Alzheimerin tauti on etenevä neurodegeneratiivinen sairaus, joka heikentää muistia ja muita kognitiivisia toimintoja. Varhainen diagnosointi on keskeistä, sillä ajoissa aloitettu hoito voi hidastaa taudin etenemistä ja parantaa potilaan elämänlaatua. Syväoppimismallit ovat osoittautuneet lupaaviksi työkaluiksi MRI-kuvien analysoinnissa, tarjoten tarkkuutta ja tehokkuutta perinteisten diagnoosimenetelmien rinnalle. Keskeisimpiä haasteita ovat datan saatavuus ja laatu sekä eettiset kysymykset, kuten tietosuoja. Alzheimer's disease is a progressive neurodegenerative disorder that impairs memory and other cognitive functions. Early diagnosis is essential, as timely treatment can slow the progression of the disease and improve the patient's quality of life. Deep learning models have proven to be promising tools in the analysis of MRI images, offering accuracy and efficiency alongside traditional diagnostic methods. The main challenges include the availability and quality of data, as well as ethical issues such as data privacy.