عنوان تشخیص بیماری آلزایمر به کمک الگوریتم ژنتیک و شبکه عصبی
- سال انتشار: 1395
- محل انتشار: همایش ملی مهندسی برق، الکترونیک، پزشکی و سرزمین پایدار
- کد COI اختصاصی: ELECTRICA03_034
- زبان مقاله: فارسی
- تعداد مشاهده: 1142
نویسندگان
دانشجوی کارشناسی پیوسته مهندسی پزشکی دانشگاه خاوران
دانشجوی کارشناسی پیوسته مهندسی پزشکی دانشگاه خاوران
کارشناس ارشد مهندسی پزشکی گرایش بیوالکتریک دانشگاه خاوران
چکیده
انگیزه ما از این تحقیق پیدا کردن راهی برای تشخیص و درمان این بیماری در گام های اولیه می باشد. در حال حاضر درمانی برای این بیماری وجود ندارد ولی در صورت تشخیص سطح کمی از این بیماری می توان از پیشرفت آن جلوگیری کرد. که برای این کار باید ساختمان این بیماری و اثرات سیگنال های مغزی را بررسی کرد تا روشی را با هزینه کمتر و کارایی بیشتری بیابیم. از روش های تشخیص در این بیماری می توان به روش های تصویر برداری، بررسی پتانسیل الکتریکی مغز و مدلسازی مناسب فیزیولوژیک سیستم عصبی اشاره کرد. چهار روند شناخت مکانسیم این بیماری الف) پخش و یا توزیع ب) تثبیت و یا تحکیم ج) بازیابی د) شناخت می باشند. که در آن سیگنال خطا نشان دهنده وجود بیماری می باشد و در مراحل اولیه ثبت سیگنال های مغزی چهار حالت زیر مورد بررسی قرار می گیرد الف) چشم بسته ب) چشم باز ج) یادآوری د) تحریک که این چهار مرحله در سه کانال زیر مورد بررسی قرار می گیرند 1) FZ ؛ 2) CZ؛ 3) PZ ؛ [1]. در تحقیقات انجام شده درستی و صحت حالت تحریک در کانال Pz بیشتر است. آلزایمر بیماری است که با پا به سن گذاشتن و با کم شدن نیرو یا توان ذهن یا علایمی چون کم شدن حافظه، فقدان قدرت اراده و نیروی عقلانیت، داشتن رفتارهایی وخیم خود را آشکار می سازد [2]. برای داشتن بهترین راه برای درمان باید بهترین راه حل شناسایی در بهترین زمان مناسب (مراحل اولیه) را بیابیم. برای بررسی داده های آلزایمری باید سیگنال مغزی را مورد بررسی قرار دهیم که باعث به وجود آمدن آرتیفکت های فرکانس بالا ( سر و گردن ) و آرتیفکت های فرکانس پایین ( تعرق ) می گردد که برای حذف این آرتیفکت ها از فیلتر میان گذر استفاده می کنیم که فرکانسهای بین 0.5-45 هرتز را حذف می کند [4]. در حوزه زمان فرد سالم بیشترین درصد صحت اطلاعات بین بیماران خفیف و بیماران شدید در باند بتا بوده که مقدار آن 97% بوده است و بیشترین درصد صحت اطلاعات در حوزه زمان بیماران خفیف بین بیماران شدید و بیماران خفیف به مقدار 94% بوده است و همچنین در حوزه زمان بیماران شدید بیشترین صحت اطلاعات بین بیماران شدید و بیماران خفیف به مقدار 94% می باشد.کلیدواژه ها
بیماری آلزایمر، الگوریتم ژنتیک، شبکه عصبی، سیگنال های مغزی، قطعه بندیمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد 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.