دوره 24، شماره 3 - ( پاییز 1401 )                   جلد 24 شماره 3 صفحات 87-73 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Porgholi H, Askari E. Early diagnosis of Alzheimer's disease using magnetic resonance imaging based on convolutional neural network and fuzzy logic. Advances in Cognitive Sciences 2022; 24 (3) :73-87
URL: http://icssjournal.ir/article-1-1391-fa.html
پورقلی حسین، عسکری الهام. تشخیص زودهنگام بیماری آلزایمر با استفاده از تصویرسازی تشدید مغناطیسی مبتنی بر شبکه عصبی کانولوشنی و منطق فازی. تازه های علوم شناختی 1401; 24 (3) :87-73

URL: http://icssjournal.ir/article-1-1391-fa.html


1- دانشجوی کارشناسی ارشد گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
2- استادیار گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
چکیده:   (343 مشاهده)
مقدمه: بیماری آلزایمر یک بیماری مغزی پیش‌رونده و غیرقابل ‌برگشت است که به آرامی حافظه و قدرت تفکر را از بین برده و حتی توانایی انجام کارهای ساده را از فرد می‌گیرد. تشخیص زودهنگام آلزایمر می‌تواند به بیماران مبتلا به این بیماری کمک کند تا با تغییر سبک زندگی خود روند پیشرفت این بیماری را کاهش دهند. بررسی تصاویر MRI، به تشخیص بیماری آلزایمر کمک شایانی می‌کند.
روش کار: در این مقاله به تشخیص زودهنگام بیماری آلزایمر با استفاده از تصاویر MRI به کمک شبکه عصبی کانولوشنی و منطق فازی پرداخته می‌شود. در این راستا، پس از استخراج ویژگی­‌های مناسب از تصاویر MRI، از شبکه عصبی کانولوشنی استفاده خواهد شد. به ‌منظور بهبود دقت روش پیشنهادی، از یک لایه فازی بین لایه ادغام و لایه کاملا هم‌بند استفاده می‌شود تا با بهره‌ گرفتن از درجه تعلق داده‌ها به هر کدام از دو دسته، باعث تشخیص دقیق افراد سالم و مبتلا به آلزایمر شود.
یافته­‌ها: نتایج آزمایشات نشان می‌دهد که روش پیشنهادی به ترتیب با دقت، صحت، فراخوانی و آماره F، 61/99، 51/96، 32/95 و 61/95 نسبت به دیگر روش‌ها از کارایی بهتری برخوردار است.
نتیجه‌­گیری: نتیجه­‌گیری می‌شود که مدل پیشنهادی با استفاده از شبکه عصبی کانولوشنی از دقت بالایی در تشخیص بیماری آلزایمر برخوردار است به علاوه استفاده از دسته‌بندی فازی دقت مدل را به طور قابل توجهی افزایش داده است.
 
متن کامل [PDF 1332 kb]   (27 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز
دریافت: 1400/11/7 | پذیرش: 1401/3/18 | انتشار: 1401/8/24

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

طراحی و برنامه نویسی : یکتاوب افزار شرق

Designed & Developed by : Yektaweb