ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

تحلیل و طبقه بندی هوشمند اتصالات عملکردی مغز در اختلال شناختی با استفاده از الگوریتم شبکه های عصبی یادگیری عمیق

سال انتشار: 1400
کد COI مقاله: STCONF04_139
زبان مقاله: فارسیمشاهده این مقاله: 196
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 19 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تحلیل و طبقه بندی هوشمند اتصالات عملکردی مغز در اختلال شناختی با استفاده از الگوریتم شبکه های عصبی یادگیری عمیق

فائزه لطفی کاظمی - کارشناسی ارشد مهندسی پرتو پزشکی، تهران ، دانشگاه صنعتی امیرکبیر
حامد لطفی کاظمی - دانشجوی کارشناسی مهندسی کامپیوتر، تهران ، دانشگاه تهران

چکیده مقاله:

بیماری آلزایمر یک بیماری مخرب مغزی است که با اختلالات پیشرونده شناختی و کاهش حافظه همراه است. و در بیماری های مغزی عموما اتصالت عملکردی دچار تغییر میشوند. با پیشرفت دستگاه های تصویربرداری و توانایی استفاده همزمان از چند مدالیته ی متفاوت میتوان به بررسی تغییرات مغز بیماران از جهات مختلف پرداخت. .اخیرا مطالعات بسیاری در تلاش برای یافتن راهی جهت تشخیص زودهنگام بیماری در مراحل اولیه هستند تا ارتباطات مغزی را از لحاظ عملکردی و ساختاری مورد بررسی قرار دهند .از این رو هدف این پروزه بررسی ارتباط و مطالعه ی تغییرات عملکرد و ساختار مغز جهت شناخت بهتر بیماری و یافتن ارتباطات مغزی با به کارگیری شبکه های عصبی عمیق ۳ جهت استخراج اولیه ویژگی و از الگوریتم درخت تصمیم گیری جهت طبقه بندی مراحل بیماری تعیین شد. دراین مطالعه ابتدا داده های خام عملکردی rs-fmri و داده های ساختاری MRI از پایگاه داده ADNI پیش پردازش شدند(۲۰ سالم و ۲۴ الزایمر و ۱۵ mci و ۱۷mci-E ) و سپس ویژگی مهم داده های عملکردی ۵ ReHo, ۶ ALFF ,۷fALFF برای همه ی گروه ها استخراج شدند و در آخر از روش شبکه عصبی عمیق جهت استخراج ویژگی ها و سپس استفاده از الگوریتم درخت تصمیم جهت طبقه بندی داده ها استفاده کردیم. دقت طبقه بندی این روش برابر با ۹۲ % است . نتایج این پژوهش نشان داد که استفاده از تلفیق روش های یادگیری عمیق و الگوریتم های ماشین لرنینگ می تواند با دقت مطلوبی بیماری آلزایمر را در مراحل ابتدایی تشخیص دهد.

کلیدواژه ها:

Alzheimer dieses ، Random forest classifier ، Regional homogeneity ، Amplitude of low-frequency fluctuation ، functional connectivity ، Deep Convolutional Neural Network Learning ، Fractional amplitude of low-frequency fluctuations

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا STCONF04_139 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1292775/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
لطفی کاظمی، فائزه و لطفی کاظمی، حامد،1400،تحلیل و طبقه بندی هوشمند اتصالات عملکردی مغز در اختلال شناختی با استفاده از الگوریتم شبکه های عصبی یادگیری عمیق،چهارمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران،تهران،https://civilica.com/doc/1292775

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400، لطفی کاظمی، فائزه؛ حامد لطفی کاظمی)
برای بار دوم به بعد: (1400، لطفی کاظمی؛ لطفی کاظمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 21,441
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی