تشخیص بیماری آلزایمر با استفاده از یادگیری عمیق و تصاویر پزشکی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,005
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTI05_161
تاریخ نمایه سازی: 8 آبان 1401
چکیده مقاله:
بیماری آلزایمر (AD) شایع ترین علت زوال عقل و یکی از علل اصلی مرگ و میر در دنیا می باشد. ۸۹ یک اختلال عصبی پیش رونده وهای پیشگیرانه در مراحل اولیه موثرتر خواهد بود. شواهد علمی نشان داده اند که تصویربرداری fMRI نسبت به تغییرات مغز در مراحل اولیه یتوسعه ی شبکه های یاد گیری عمیق. تشخیص خود کار بیماری ها با استخراج الگوهای مناسب. امکان پذیر شده است. هدف ما در این پژوهش،استفاده از قدرت شبکه های عصبی عمیق و ارائه ی یک روش خود کار جهت تشخیص و طبقه بندی و نمونه های سالم(HC) از بیماران آلزایمر واختلال شناختی خفیف (MCI) است. در این مطالعه، ابتدا بر اساس داده های fMRI حالت استراحت. اتصالات مغزی مربوط به هر فردمحاسبه می شود و به این ترتیب با تشکیل ماتریس های اتصالات مغزی، اطلاعات مربوط به شبکه ی مغزی هر فرد ساخته می شود. مطالعاتنشان داده انده اتصالات مغزی بهتر از ویژگی های دیگر می توانند بازگوی ویژگی های عملکردی مغز و حالات ذهنی بیماران آلزایمر باشند.ماتریس های اتصالات معزی بعنوان ورودی شبکه ی یاد گیری عمیق ResNet۱۸ تعیین شدند تا جداسازی انجام گیرد. طبقه بندی دو به دویسه مرحله از بیماری (AD, HC و MCI با میانگین دقت ۹۷/۹۷ % انجام گردید. نتایج به دست آمده از اعمال روش انجام شده نشان می دهد که روش پیشنهادی توانسته است در برخی حالات، نسبت به روش طبقه بندی کلاسیک بهبود ایجاد کند.
کلیدواژه ها:
نویسندگان
فرحناز جعفری
دانشجوی کارشناسی ارشد مخابرات سیستم، دانشگاه صنعتی نوشیروانی بابل
ملیحه احمدی
استادیار گروه مهندسی برق و الکترونیک، دانشگاه صنعتی شیراز
عطااله ابراهیم زاده
استاد گروه مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل