پیشرفت ها و چالش های اخیر در شناسایی و تشخیص آلزایمر با استفاده از تصاویر پزشکی و یادگیری عمیق
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 24
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NTDS-2-1_004
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
بیماری آلزایمر یکی از مهم ترین چالش های بهداشت جهانی است که با تخریب تدریجی سیستم عصبی و زوال شناختی همراه است. تشخیص زودهنگام این بیماری اهمیت ویژه ای دارد، زیرا می تواند به بهبود کیفیت زندگی بیماران و کاهش سرعت پیشرفت بیماری منجر شود. در این پژوهش، به مرور و بررسی پیشرفت های اخیر در استفاده از یادگیری عمیق و هوش مصنوعی در تحلیل تصاویر پزشکی برای تشخیص بیماری آلزایمر پرداخته شده است. مدل های یادگیری عمیق، به ویژه شبکه های عصبی کانولوشنی با ترکیب فن های تصویربرداری مانند MRI و PET، توانسته اند دقت و سرعت تشخیص را به طور قابل توجهی افزایش دهند. هستند که اغلب با روش های سنتی قابل تشخیص نیستند. این قابلیت، امکان شخصی سازی هرچه بیشتر درمان را بر اساس وضعیت خاص هر بیمار فراهم می آورد. با وجود این مزایا، چالش های متعددی از جمله نیاز به داده های بزرگ و متنوع برای آموزش مدل ها، پیچیدگی های محاسباتی ناشی از حجم بالای پردازش، و نگرانی های جدی مرتبط با حریم خصوصی داده های بیماران، همچنان پابرجا هستند. توسعه ابزارهای تشخیصی کارآمدتر و در عین حال قابل تفسیرتر با بهره گیری از یادگیری عمیق، می تواند گامی موثر در بهبود تشخیص و درمان بیماری آلزایمر برداشته و در نهایت به ارتقای چشمگیر کیفیت زندگی بیماران منجر شود. در این مقاله، آخرین دستاوردهای پژوهشی در حوزه شناسایی و تشخیص آلزایمر با استفاده از تصاویر پزشکی و یادگیری عمیق مورد بررسی قرار گرفته و همچنین چالش ها و پیشرفت های اخیر در این زمینه به تفصیل مرور شده است.
کلیدواژه ها:
نویسندگان
سمانه پهلوانی
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
حسن شاکری
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
حسن راعی ثانی
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران