زهرا جهانشیری - دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس ، تهران
محمد صنیعی آباد ه - دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس ، تهران

سن بیولوژیکی مغز از روی تصاویر MRI قابل محاسبه است. امروزه پزشکان دریافته اند که این اطلاعات در تشخیص و درمان بسیاری از بیماری ها مفید است. برای تخمین سن بیولوژیکی مغز در این مقاله ابتدا یک شبکه یادگیری عمیق از نوع DCNN3 بر روی تصاویر MRI مغزی2001 فرد سالم از مجموعه داده ی BANC پیاده سازی می شود . در ادامه از این شبکه ی سه بعدی به عنوان یک بلاک آماده (شبکه از قبل آموزش دیده) برای استخراج ویژگی استفاده شده است. در راستای تخمین سن مغز، ویژگی های لایه ی آخر این شبکه به سه روش یادگیری ماشین برای رگرسیون یعنی GPR و RVR ،SVR داده می شود. در اینجا خروجی هر روش یک عدد است که بیانگر سن بیولوژیکی تخمینی مغز توسط آن روش است. نتایج حاصل به صورت مستقل با هریک از روش های یاد شده مقایسه می گردد و نتایج مقایسات بیانگر آن است که ویژگی های استخراج شده توسط یک شبکه ی 3DCNN باعث بهبود در نتایج خروجی نهایی نسبت به نتایج گزارش شده در مقالات مشابه شده است. علاوه بر این به عنوان یک روش ادغام نتایج حاصل از روش های رگرسیون متفاوت، تمامی خروجی ها اعم از شبکه DCNN3 با یک نورون در لایه آخر GPR و RVR ،SVR به یک شبکه عصبی جدید با یک تک نورو ن از نوع پرسپترون خطی داده شد ه و جمع وز نداری از سن های تخمینی توسط این روش ها در جهت کاهش خطا به عنوان سن مغز ارائه می شود.

شبکه ی سه بعدی، سن بیولوژیکی مغز ، یادگیری ماشین