بررسی روش های تشخیص زود هنگام و پردازش داده های بزرگ بیماری آلزایمر با به کاری گیری روش های یادگیری عمیق

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,176

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DCBDP03_039

تاریخ نمایه سازی: 14 شهریور 1396

چکیده مقاله:

تشخیص زودهنگام بیماری در خیلی مواقع نقش اساسی در جلوگیری از پیشرفت بیماری و حتی قطع آن دارد. تشخیص زودهنگام بیماری آلزایمر هم یکی از این موارد هست که با به کاری گیری روش های جدید یادگیری ماشین اقدام به تشخیص زود هنگام کرده اند. اخیرا، بیماری آلزایمر مبتنی بر تصویر برداری عصبی توجه محققان را برای تحقیق در این زمینه جذب کرده است. چالش اصلیکه در این مسیله وجود دارد بعد بالای داده های بیماری آلزایمر و کمبود تعداد نمونه هست. یادگیری عمیق به مدل های کامپیوتری که از چندین لایه پردازشی تشکیل شده اند اجازه می دهد تا نمونه های داده را با چندین لایه انتزاع بیاموزد. روش های یادگیریعمیق براساس بافته های محققان روش های موفقی در پردازش داده برزگ مخصوصا در تشخیص بیماری آلزایمر می باشند. در این مقاله به بررسی روش های مختلف یادگیری عمیق در تشخیص زود هنگام بیماری آلزایمر پرداختیم و همچنین معماری های مختلفیکه در این باره به کار گرفته شده است را بررسی کردیم نتایج این بررسی نشان می دهد که با روش های جدید یادگیری عمیق می توان سیستم های بسیار مناسبی در تشخیص زودهنگام بیماری آلزایمر طراحی و پیاده سازی کرد

نویسندگان

جلیل نورمحمدی خیارک

کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه تبریز، تبریز،

اسماعیل فخیمی قشلاق

کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه تهران، ایوان کی،

عسگر هوشیارحسن باروق

کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه آزاد فردوس ، خراسان جنوبی،

محمدرضا فیضی درخشی

دانشیار، دانشکده برق و کامپیوتر، دانشگاه تبریز، تبریز.