تشخیص میزان پیشروی بیماری آلزایمر با استفاده از مدل شبکه عصبی کانولوشن و منطق فازی

بیماری آلزایمر یکی از شایع ترین اختلالات عصبی است که به تدریج موجب زوال عقل و کاهش توانایی های شناختی در افراد می شود. این بیماری نه تنها تاثیرات عمیقی بر روی بیماران دارد، بلکه فشارهای روانی و مالی قابل توجهی بر خانواده ها و جامعه وارد می کند، تشخیص به موقع و دقیق مراحل این بیماری می تواند تاثیر بسزایی در بهبود درمان و کیفیت زندگی بیماران داشته باشد. بنابراین، تشخیص زودهنگام و میزان پیشروی این بیماری امری ضروری است. این مقاله روشی را برای شناسایی مرحله پیشروی بیماری، از ترکیب شبکه عصبی کانولوشنال با منطق فازی پیشنهاد داده است. به این صورت که داده های ساختاری یافته به دست آمده از تصاویر MRI را با روش فازی پردازش می کند و از یک مدل یادگیری عمیق مبتنی بر CNN برای تشخیص الگوهای بیماری استفاده می کند. در نتایج به دست آمده، مدل CNN به دقت ۹۱.۲۰ درصد و امتیاز ۰.۹۱۲۲ F۱ دست می یابد که نسبت به دیگر روش ها از کارایی بهتری برخوردار است.

کلیدواژه ها:

یادگیری عمیق ، شبکه عصبی کانولوشنال ، بیماری آلزایمر ، منطق فازی