Inteligentni sistem za analizu migrene sa tipičnom aurom preko podataka snimljenih strukturalnom magnetnom rezonancijom korteksa

Abstract

Ово истраживање је имало за циљ да тестира технике машинског учења како би се извршило разликовање здравих особа од оних које пате од мигрене са ауром, као и пацијената са једноставном од оних који имају сложени облик ове мигрене. Поред тога, циљ истраживања је тестирање алгоритама машинског учења за предвиђање скора комплексности мигрене са ауром (МАКС). Подаци добијени магнетном резонанцијом (МР) церебралног кортекса (дебљина, површина, запремина, средња Гаусова кривина и индекс савијања) прикупљени су од испитаника и обухватају 340 различитих обележја кортекса. За сваког испитаника са мигреном са ауром одређен је и просечан МАКС скор. Резултати показују да модел машинског учења заснован на линеарној дискриминантној анализи и структуралним МР подацима церебралног кортекса остварује тачност 97% приликом детекције особа са мигреном са ауром и успешно класификује подтипове мигрене са ауром са тачношћу од 98%. Поред тога, идентификовани су скупови обележја релевантних за ове класификације. За решавање проблема предикције МАКС скора, најуспешнији модел је постигао коефицијент детерминације од 0,89 и заснива се на методи омотача за селекцију атрибута и методи потпорних вектора. Резултати сугеришу низ кортикалних обележја која показују промене код пацијената са мигреном са ауром у зависности од сложености ауре. Предложени модели показују значајан потенцијал што може да пружи основу за будуће студије и развој дијагнозе и лечења мигрене са ауром.