CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص بیماری آلزایمر با استفاده از استخراج ویژگی مبتنی بر یادگیری عمیق

عنوان مقاله: تشخیص بیماری آلزایمر با استفاده از استخراج ویژگی مبتنی بر یادگیری عمیق
شناسه ملی مقاله: CSCG05_119
منتشر شده در پنجمین کنفرانس بین المللی محاسبات نرم در سال 1402
مشخصات نویسندگان مقاله:

آروتین آوانس گورکیانس - کارشناسی مهندسی کامپیوتر )نرمافزار(، گروه مهندسی کامپیوتر، دانشگاه علم و فرهنگ، تهران
علیرضا رضوانیان - استادیار، گروه مهندسی کامپیوتر، دانشگاه علم و فرهنگ، تهران

خلاصه مقاله:
در سال های اخیر نگرانی جوامع در مورد تشعشعات و عوامل دیگری مانند آن و تاثیری که بر مغز انسان می گذارند افزایش یافته است. یکی از موضوع هایی که در این حوزه بسیار مورد تحقیق قرار گرفته است، شناسایی بیماری آلزایمر است. آلزایمر جزو بیماری های زوال عقلی است که درمانی برای آن وجود ندارد. اگر این بیماری در مراحل اولیه تشخیص داده شود، می توان عوارض آن را با دارو کم کرد. به همین دلیل تشخیص زودهنگام آلزایمر اهمیت زیادی دارد. بنابراین در این مقاله پس از استخراج ویژگی از تصاویر MRI مغز، از مدل های یادگیری عمیق جهت پیش بینی و تشخیص آلزایمر در درجات مختلف این بیماری استفاده شده است. سپس این نتایج با استفاده از روش یادگیری ترکیبی تجمیع شده اند تا به نتایج دقیق تری دست یافته شود. نتایج آزمایش حاکی از آن است که با صرف زمان بیشتر، با استفاده از روش یادگیری ترکیبی می توان به نتایج بهتری و دقیق تری دست یافت.

کلمات کلیدی:
یادگیری عمیق، یادگیری ترکیبی،تشخیص آلزایمر، یادگیری ماشین،استخراج ویژگی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1966975/