Alzheimer MRI Classifier (ResNet-18)

Модель Ashapu — ResNet-18 для классификации срезов МРТ мозга по четырём стадиям деменции при болезни Альцгеймера. Обучена на 86 437 срезах и также отдаёт 512-мерные эмбеддинги для поиска похожих случаев. Заявлена для научных и образовательных задач, не как медизделие.

🔬 Ключевые особенности

• 🎯 4 класса: Mild Dementia, Moderate Dementia, Non Demented, Very Mild Dementia.
• 🧩 База — torchvision ResNet-18, 11,178,564 параметров, вход 3×224×224.
• 📀 512-мерный вектор из avgpool для CBIR и сравнения случаев по косинусной близости.
• ⚙ Двухэтапный transfer learning: замороженные residual-стадии и обучаемая голова.
• ❕ Чекпоинт ~44.8 MB; обучение шло 15 эпох на NVIDIA Tesla T4.

💡 Пример

model = models.resnet18(weights=None)
model.fc = nn.Linear(model.fc.in_features, 4)
model.load_state_dict(torch.load("resnet18_alzheimer_best.pth", map_location=device))
model.eval()
tensor = transform(Image.open("sample_brain_mri.png").convert("RGB")).unsqueeze(0).to(device)
with torch.no_grad():
    logits = model(tensor)
    pred = classes[torch.argmax(logits, 1).item()]

Подробнее

Валидация: accuracy 77%, weighted F1 0.79, recall 96.69% для Moderate Dementia.
Сильные стороны: recall 83.66% для Mild Dementia и precision 93.76% для Non Demented.
Ограничения: 2D-срезы не отражают объёмные изменения мозга; есть дисбаланс классов; не заменяет клиническую диагностику.