Ethics code: IR.IMAMREZA.REC.1402.009
Mazrooei Rad E, Mazinani S M, akbari H. Diagnosis of Alzheimer’s disease with convolutional neural network from magnetic resonance imaging. Advances in Cognitive Sciences 2024; 25 (4) :140-154
URL:
http://icssjournal.ir/article-1-1620-fa.html
1- استادیار گروه مهندسی پزشکی، موسسه آموزش عالی خاوران، مشهد، ایران
2- دانشیار گروه مهندسی برق، دانشگاه بینالمللی امام رضا (ع)، مشهد، ایران
چکیده: (1002 مشاهده)
مقدمه: این مقاله روشی جدید برای تشخیص بیماری آلزایمر بر اساس ویژگیهای تصاویر تصویربرداری تشدید مغناطیسی (MRI) ارائه میکند. تصاویر MRI با حداقل 3 تسلا و ضخامت 3 میلیمتر برای تعیین پلاکهای پیری و کلافهای مارپیچی ثبت میشود.
روش کار: ویژگیهای تصاویر MRI مانند آتروفی لوب گیجگاهی میانی، حجم ماده سفید، حجم ماده خاکستری، مایع مغزی نخاعی و عدم تقارن تعیین میشود. افراد به سه گروه افراد سالم، بیماران خفیف و شدید تقسیم شدند. عدم تقارن و میانگین آتروفی لوب گیجگاهی با پیشرفت بیماری آلزایمر افزایش مییابد، زیرا میزان آسیب به لوب گیجگاهی در تصاویر MRI بیماری آلزایمر افزایش یافته است.
یافتهها: صحت نتایج شبکه عصبی Elman با ویژگیهای استخراج شده از تصاویر MRI با صحت نتایج شبکه عصبی کانولوشنی مقایسه میشود. صحت نتایج با ترکیب ویژگیها در افراد سالم 82/5 درصد بود. در بیماران آلزایمر خفیف 86/5 درصد و در بیماران آلزایمر شدید 94/5 درصد است.
نتیجهگیری: بالاترین صحت نتاج در گروه بیماران مبتلا به آلزایمر شدید و مناسبترین ویژگی در بین ویژگیهای تصاویر MRI، میزان آتروفی لوب گیجگاهی داخلی است. استفاده از شبکه عصبی کانولوشنی نشان میدهد که صحت نتایج در گروه سالم 98 درصد، در گروه خفیف 97/7 درصد و در گروه بیماران شدید 97/5 درصد است. این نتایج نشان میدهد که عملکرد شبکه عصبی کانولوشنی در مقایسه با شبکه عصبی Elman دارای صحت نتابج بیشتری است.
نوع مطالعه:
پژوهشي اصیل |
موضوع مقاله:
مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز دریافت: 1402/7/8 | پذیرش: 1402/12/21 | انتشار: 1403/2/3