پیشبینی بیماری آلزایمر با استفاده از الگوریتمهای شبکه عصبی ودرخت تصمیم

بیماری آلزایمر AD به عنوان شایعترین نوع زوال عقل در سالمندان است که حدود 26 میلیون نفر در سراسر جهان را تحت تاثیر قرار داده است در بین روشهای مختلف تشخیص بیماری آلزایمر، روش تصویربرداری مغز می تواند با امکان نمایش دادن واضح تغییرات بافتهای مغز به عنوان روشی برای تشخیص زود هنگام بیماری آلزایمر مورد استفاده قرار بگیرد. انتخاب ویژگی های شاخص با وجود حجم بالای ویژگی های ضخامت بافت مغز مستلزم استفاده از روشهای کاهش تعداد ویژگی است اکثر کارهای انجام گرفته در این زمینه از روشهای آماری استفاده شده است. در این مقاله برای انتخاب ویژگی های شاخص جهت پیش بینی بیماری الزایمر از الگوریتم یادگیری انتخاب ویژگی هسته ای SAS استفاده شدهاست برای مدلسازی از الگوریتم های دسته بندی شبکه عصبی و درخت تصمیم گیری استفاده شده است نتایج پیاده سازی نشان می دهد که دقت دسته بندی زیر مجموعه های بدست آمده، نتایج مطلوبی را در مقایسه با مجموعه دده اصلی ایجاد کرده است.

کلیدواژه ها:

انتخاب ویژگی ، دقت طبقهبندی ، شبکه عصبی ، درخت تصمیم