کاربرد الگوریتم ماشین بردار پشتیبان در تشخیص بیماری آلزایمر با استفاده از روش های یادگیری ماشین

بیماری آلزایمر یکی از شایع ترین اختلالات تحلیل برنده دستگاه عصبی است که با کاهش تدریجی حافظه، توانایی های شناختی و عملکرد ذهنی همراه بوده و امروزه به یکی از مهم ترین چالش های حوزه سلامت تبدیل شده است. تشخیص زودهنگام این بیماری می تواند نقش موثری در کنترل روند پیشرفت بیماری، انتخاب روش درمان مناسب و افزایش کیفیت زندگی بیماران داشته باشد.در این پژوهش، به منظور بررسی توانایی روش های یادگیری ماشین در تشخیص بیماری آلزایمر، از یک مجموعه داده شامل اطلاعات بیماران و افراد سالم استفاده شده است. ابتدا داده ها با استفاده از روش های پیش پردازش شامل بررسی داده های گمشده، جایگزینی مقادیر ناقص و نرمال سازی ویژگی ها آماده سازی شدند. سپس الگوریتم ماشین بردار پشتیبان Support Vector) Machine (SVM-به عنوان مدل طبقه بندی انتخاب و بر روی داده های آموزشی پیاده سازی شد.در ادامه، عملکرد مدل با استفاده از معیارهایی نظیر دقت، ماتریس درهم ریختگی و گزارش طبقه بندی مورد ارزیابی قرار گرفت. نتایج به دست آمده نشان داد که الگوریتم SVM از توانایی مناسبی در تفکیک نمونه های سالم و مبتلا به بیماری آلزایمر برخوردار است و می تواند به عنوان ابزاری کمکی در سامانه های پشتیبان تصمیم گیری پزشکی مورد استفاده قرار گیرد.

کلیدواژه ها:

بیماری آلزایمر ، یادگیری ماشین ، ماشین بردار پشتیبان ، هوش محاسباتی ، طبقه بندی ، تشخیص پزشکی