تشخیص بیماری آلزایمر با شبکه عصبی کانولوشنی از MRI
محل انتشار: فصلنامه تازه های علوم شناختی، دوره: 25، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 53
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ICSS-25-4_009
تاریخ نمایه سازی: 23 اردیبهشت 1403
چکیده مقاله:
این مقاله روش جدیدی را برای تشخیص بیماری آلزایمر بر اساس ویژگی های تصاویر MRI ارائه می کند. تصاویر MRI با حداقل ۳ تسلا و ضخامت ۳ میلی متر برای تعیین پلاک های پیری و کویل های مارپیچی گرفته می شود. روش ها: ویژگی های تصاویر MRI مانند آتروفی لوب تمپورال میانی، حجم ماده سفید، حجم ماده خاکستری، مایع مغزی نخاعی و عدم تقارن تعیین می شود. افراد به سه گروه افراد سالم، بیماران خفیف و شدید تقسیم شدند. عدم تقارن و میانگین نرخ آتروفی لوب تمپورال با پیشرفت بیماری آلزایمر افزایش می یابد زیرا میزان آسیب به لوب تمپورال در تصاویر MRI بیماری آلزایمر افزایش یافته است. دقت نتایج عصبی مکرر المان با ویژگی های استخراج شده از تصاویر MRI با دقت نتایج شبکه عصبی کانولوشن مقایسه می شود. دقت نتایج با ترکیب ویژگی ها در افراد سالم ۵/۸۲ درصد بود. در بیماران آلزایمر خفیف ۸۶.۵ درصد و در بیماران آلزایمر شدید ۹۴.۵ درصد است. بالاترین دقت نتاج در گروه بیماران مبتلا به آلزایمر شدید و مناسب ترین ویژگی در بین ویژگی های تصاویر MRI، میزان آتروفی لوب تمپورال داخلی است. استفاده از شبکه عصبی کانولوشن نشان می دهد که دقت نتایج در گروه سالم ۹۸ درصد، در گروه خفیف ۷/۹۷ درصد و در گروه بیماران شدید ۵/۹۷ درصد است. این نتایج نشان می دهد که عملکرد شبکه عصبی کانولوشن در مقایسه با المان دارای نتایج دقت بالاتری است.
کلیدواژه ها:
Alzheimer's disease ، MRI images ، Medial temporal lobe atrophy ، asymmetry ، Recursive neural network ، بیماری آلزایمر ، تصاویر MRI ، آتروفی لوب گیجگاهی داخلی ، عدم تقارن ، شبکه عصبی بازگشتی.
نویسندگان
الیاس مزروعی راد
khavaran higher education institute
سیدمجید مزینانی
Imam reza international University
هادی اکبری
khavaran higher education institute
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :