تشخیص بیماری آلزایمر بر اساس MRI حجمی ساختاری، با استفاده ازتکنیک تبدیل موجک گسسته سه بعدی و روش کلاس بندی SVM و KNN

بیماری آلزایمر شایعترین نوع زوال عقل بوده و با افزایش سن احتمال ابتلا به آن نیز بالا میرود. همچنین پیش بینی میشود در سالهای آینده تعداد مبتلایان به این بیماری افزایش چشمگیری داشته باشند. از طرفی با پیشرفت فناوریهای تصویربرداری پزشکی، تصویربرداری ساختاری مغز توانسته است اطلاعات خوبی در خصوص تغییرات حجمی ارائه دهد که از ویژگیهای مهم زوال عقل به شمار میرود. بنابراین توسعه روشهای مبتنی بر تصاویر ساختاری میتوانند در زمینه تشخیص بیماری آلزایمر موثر باشند. در مطالعه انجام شده، از تصاویر MRI ساختاری متشکل از افراد بیمار و سالم استفاده شده است. در ابتدا به کمک بسته نرمافزاری SPM 8، از تک تک تصاویر MRIساختاری، اختصاصا0 تصویر مغز استخراج شده است. سپس برای استخراج ویژگی، هر کدام از تصاویر با اعمال DWT سه بعدی تجزیه شده اند که با محاسبه مقادیر انرژی، واریانس و آنتروپی شانون ویژگیهای تصاویر استخراج گردیده اند. در ادامه با استفاده از روش SVD کاهش ابعاد ویژگی انجام گرفته، سپس دو الگوریتم طبقه بندی SVM و KNN با استفاده از این ویژگیها آموزش داده شدهاند. هر دو روش طبقه بندی با ویژگیهای یکسان و بصورت موازی آموزش دیدهاند که هدف آنها تشخیص بیماری آلزایمر از افراد سالم میباشد و در نهایت به منظور بررسی دقت، حساسیت و اختصاصی بودن در تشخیص بیماری آلزایمر، با استفاده از الگوریتم k-fold، اعتبارسنجی و آنالیز شدهاند. طبق نتایج بدست آمده، روش مبتنی بر SVM با دقت %97/5 و روش مبتنی بر KNN با دقت %83/5 همراه شده اند.

کلیدواژه ها:

بیماری آلزایمر ، MRI ، 3D-DWT ، SVM ، KNN