تشخیص بیماری آلزایمر با استفاده از بخش بندی خودکار سلول های هسته CN به روش یادگیری دیکشنری همراه با فرمولاسیون تنظیم سطح
- سال انتشار: 1398
- محل انتشار: پنجمین همایش بین المللی علوم و تکنولوژی با رویکرد توسعه پایدار
- کد COI اختصاصی: TECHSD05_010
- زبان مقاله: فارسی
- تعداد مشاهده: 596
نویسندگان
دانشگاه آزاد اسلامی، تبریز
موسسه آموزش عالی سراج ، تبریز
دانشگاه آزاد اسلامی، تبریز
دانشگاه آزاد اسلامی، تبریز
چکیده
بیماری آلزایمر شایعترین نوع دمانس، با شروعی تدریجی و پیشرفتی مداوم است که به تدریج حافظه و تواناییهای ذهنی دیگر مانند تفکر، استدلال و قضاوت فرد را تحت تاثیر قرار میدهد. همچنین طبق آمار پیشبینی میشود تعداد بیماران آلزایمری در سالهای آینده چند برابر شود، از طرفی با پیشرفت فناوری های تصویربرداری پزشکی میتوان اطلاعات بسیار زیادی را درباره مغز به دست آورد. در این مطالعه با تقسیم بندی خودکار هسته دمدار (CN) و طبقه بندی آن قادر به تشخیص زود هنگام بیماری آلزایمر میباشیم. در مطالعه انجام شده از تصاویر MRI افراد بیمار و سالم استفاده شده است. ابتدا در مرحله تقسیم بندی با ساخت دو واژه نامه واکسل صحیح از تصاویر خاکستری مغز و یک واژه نامه واکسل صحیح از تصویرCN میتوانیم با تفکیک بافتهای مغز، CN را با دقت بسیار بالایی تشخیص دهیم. در مرحله طبقه بندی، یک فرهنگ لغت با ویژگیهای مبتنی بر منطقه، ساخته شده است این فرهنگ لغت از ویژگیهای CN افراد طبیعی و آلزایمری آموزش داده شده است که طبقه بندی براساس اندازه تقریبی بین بخش CN در تصویر آزمون و فرهنگ لغت آموزش داده شده مبتنی بر منطقه است. از نتایج به دست آمده دریافتیم که آتروفی CN در تمام تصاویر از 12 تا 20 درصد متغیر است. آتروفی عمدتا در قسمت دم و نه در بدنه CN رخ داده است. نتایج به دست آمده در این مطالعه نشان میدهد دقت تقسیم بندی و طبقه بندی به ترتیب %95,5 و %97,5 میباشد.کلیدواژه ها
بیماری آلزایمر، هسته دمدار، یادگیری دیکشنری، تنظیم سطح، MRIمقالات مرتبط جدید
- بررسی مدیریت و امنیت و حفاظت از شبکه های مهندسی کامپیوتری Investigating The Management And Security And Protection Of Computer Engineering Networks
- اصول طراحی و بررسی دیوار بام سبز Principles Of Design And Review Of Green Roof Wall
- بررسی سرویس های امنیتی در مهندسی نرم افزار کامپیوتر Investigation Of Security Services In Computer Software Engineering
- نقش عوامل محیطی و فرهنگی در معماری بومی مناطق کردنشین ایران
- پیشرفت های جدید در مطالعات انرژی های تجدیدپذیر و پاک
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.