تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی
<strong>مقدمه</strong><strong>:</strong> در سالهای اخیر مطالعات فراوانی برای تجزیه و تحلیل مغز به منظور تشخیص بیماریهای مغزی انجام شده است که تکنیک‌های یادگیری ماشین نقش به سزایی در ایجاد سیستم‌های هوشمند تشخیصی ایفا کرده‌اند. از بین روش‌های مختلف یادگیری ماشین، روش‌های مبت...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Mashhad University of Medical Sciences
2019-11-01
|
| Series: | Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad. |
| Subjects: | |
| Online Access: | http://mjms.mums.ac.ir/article_14993_f1e05e565fadf2a1ee07551eac8175d0.pdf |
| _version_ | 1818903532463456256 |
|---|---|
| author | فیروزه رضوی محمد جعفر تارخ محمود البرزی |
| author_facet | فیروزه رضوی محمد جعفر تارخ محمود البرزی |
| author_sort | فیروزه رضوی |
| collection | DOAJ |
| description | <strong>مقدمه</strong><strong>:</strong> در سالهای اخیر مطالعات فراوانی برای تجزیه و تحلیل مغز به منظور تشخیص بیماریهای مغزی انجام شده است که تکنیک‌های یادگیری ماشین نقش به سزایی در ایجاد سیستم‌های هوشمند تشخیصی ایفا کرده‌اند. از بین روش‌های مختلف یادگیری ماشین، روش‌های مبتنی بر یادگیری عمیق در سالهای اخیر کاربرد گسترده‌ای در ایجاد سیستم‌های هوشمند دستیار پزشکی داشته است که به ایجاد سیستم‌های قدرتمندی جهت تشخیص بیماری منتج شد.<br /> <strong>روش کار:</strong> در این پژوهش تشخیص بیماران آلزایمری با شبکه عصبی یادگیری عمیق مبتنی بر بلوک‌های رسوبی سه بعدی ارایه شده است. همچنین روند آموزش و تست روش ارائه شده توسط مجموعه داده ADNI انجام پذیرفت.<br /> <strong>نتایج:</strong> نتایج حاصل از خروجی این روش در مقایسه با روش‌های ارائه شده در پژوهش‌های قبلی با دقت بالایی عملیات تشخیص و طبقه بندی بیماران آلزایمری انجام گردید.<br /> <strong>نتیجه‌گیری</strong><strong>:</strong> یافته‌های پژوهش حاضر بیانگر آن بودند که یادگیری ماشین با روش‌های یادگیری عمیق می‌تواند زودتر از پزشکان، بیماری آلزایمر را تشخیص دهد. |
| first_indexed | 2024-12-19T20:53:02Z |
| format | Article |
| id | doaj.art-6572b078eab44110a2b1896e707fe90d |
| institution | Directory Open Access Journal |
| issn | 1735-4013 1735-4013 |
| language | fas |
| last_indexed | 2024-12-19T20:53:02Z |
| publishDate | 2019-11-01 |
| publisher | Mashhad University of Medical Sciences |
| record_format | Article |
| series | Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad. |
| spelling | doaj.art-6572b078eab44110a2b1896e707fe90d2022-12-21T20:06:03ZfasMashhad University of Medical SciencesMajallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad.1735-40131735-40132019-11-016251748175510.22038/mjms.2019.1499314993تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدیفیروزه رضوی0محمد جعفر تارخ1محمود البرزی2گروه مدیریت فناوری اطلاعات ، واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران، ایرانگروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانگروه مدیریت فناوری اطلاعات، واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران، ایران<strong>مقدمه</strong><strong>:</strong> در سالهای اخیر مطالعات فراوانی برای تجزیه و تحلیل مغز به منظور تشخیص بیماریهای مغزی انجام شده است که تکنیک‌های یادگیری ماشین نقش به سزایی در ایجاد سیستم‌های هوشمند تشخیصی ایفا کرده‌اند. از بین روش‌های مختلف یادگیری ماشین، روش‌های مبتنی بر یادگیری عمیق در سالهای اخیر کاربرد گسترده‌ای در ایجاد سیستم‌های هوشمند دستیار پزشکی داشته است که به ایجاد سیستم‌های قدرتمندی جهت تشخیص بیماری منتج شد.<br /> <strong>روش کار:</strong> در این پژوهش تشخیص بیماران آلزایمری با شبکه عصبی یادگیری عمیق مبتنی بر بلوک‌های رسوبی سه بعدی ارایه شده است. همچنین روند آموزش و تست روش ارائه شده توسط مجموعه داده ADNI انجام پذیرفت.<br /> <strong>نتایج:</strong> نتایج حاصل از خروجی این روش در مقایسه با روش‌های ارائه شده در پژوهش‌های قبلی با دقت بالایی عملیات تشخیص و طبقه بندی بیماران آلزایمری انجام گردید.<br /> <strong>نتیجه‌گیری</strong><strong>:</strong> یافته‌های پژوهش حاضر بیانگر آن بودند که یادگیری ماشین با روش‌های یادگیری عمیق می‌تواند زودتر از پزشکان، بیماری آلزایمر را تشخیص دهد.http://mjms.mums.ac.ir/article_14993_f1e05e565fadf2a1ee07551eac8175d0.pdfبیماری آلزایمریادگیری عمیقبلوک‌های رسوبی سه بعدی |
| spellingShingle | فیروزه رضوی محمد جعفر تارخ محمود البرزی تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad. بیماری آلزایمر یادگیری عمیق بلوک‌های رسوبی سه بعدی |
| title | تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی |
| title_full | تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی |
| title_fullStr | تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی |
| title_full_unstemmed | تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی |
| title_short | تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی |
| title_sort | تشخیص و طبقه بندی بیماری آلزایمر با بلوک‌های رسوبی سه بعدی |
| topic | بیماری آلزایمر یادگیری عمیق بلوک‌های رسوبی سه بعدی |
| url | http://mjms.mums.ac.ir/article_14993_f1e05e565fadf2a1ee07551eac8175d0.pdf |
| work_keys_str_mv | AT fyrwzhrḍwy tsẖkẖyṣwṭbqhbndybymạryậlzạymrbạblwḵhạyrswbyshbʿdy AT mḥmdjʿfrtạrkẖ tsẖkẖyṣwṭbqhbndybymạryậlzạymrbạblwḵhạyrswbyshbʿdy AT mḥmwdạlbrzy tsẖkẖyṣwṭbqhbndybymạryậlzạymrbạblwḵhạyrswbyshbʿdy |