تشخیص بیماری آلزایمر با استفاده از تصاویر MRI ساختاری و تبدیل ویولت سه بعدی با کمک الگوریتم یادگیری عمیق

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,348

فایل این مقاله در 21 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:

DPFSTS06_089

تاریخ نمایه سازی: 6 شهریور 1398

چکیده مقاله:

تشخیص زود هنگام بیماری آلزایمر کمک زیادی در کنترل پیشرفت بیماری می کند از این رو در کار حاضر از روش سیستم طبقه بندی به منظور طبقه بندی و تفکیک بین افراد مسن مبتلا به آلزایمر و سالم مبتنی بر تحلیل تصاویر سه بعدی ( MRI ) ارائه شده است. در روش پیشنهادی به منظور انجام طبقه بندی از اطلاعات فردی 178 نفر که شامل 154 نفر سالم و 24 نفر مبتلا به بیماری آلزایمر است استفاده شده است. ابتدا، همه ی تصاویر سه بعدی پیش پردازش شده تا یک بازه عددی نرمال شده در تصاویر بدست آید . سپس تبدیل موجک سه بعدی به منظور تجزیه و استخراج ضرایب موجک به کار گرفته شده است. در مقاله مرجع ویژگی های سه گانه (انرژی، واریانس و آنتروپی شانون) از زیرباندهای تبدیل موجک استخراج شده است. اما در این پایان نامه جهت بهبود و ارتقاء روش نسبت به مقاله مرجع، ویژگی های ممان زرنیک از زیرباندهای تبدیل موجک استخراج و از تحلیل ضرایب پایه به منظور کاهش ویژگی استفاده شده است. همچنین مولفه های کاهش یافته به دو روش مورد ارزیابی قرار گرفت. در روش اول همانند مقاله مرجع به کمک الگوریتم بهینه سازی ازدحام ذرات با ضرایب متغیر با زمان ( PSO-tvac ) با ماشین بردار پشتیبان با کرنل RBF آموزش داده شده است. جهت تست عملکرد این سیستم روش اعتبارسنجی متقابل پنج برابر (5- Fold Cross Validation) بر روی مجموعه دادهای OASIS به کار گرفته شد که در مقایسه با روش های تست شده دیگر و نسبت به مقاله مرجع از دقت بهتری برخوردار است. در روش دوم با استفاده الگوریتم یادگیری عمیق که هدف آنها کشف چندین سطح از بازنمودهای (نمایش) توزیع شده از داده ورودی است استفاده شده که در مقایسه با سایر روش های تست شده دیگر در مجموع، از دقت بیشتری برخوردار است.

نویسندگان

محدثه ابراهیمی

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر (نرم افزار)، موسسه آموزش عالی غیرانتفاعی بعثت، کرمان

فهیمه یزدان پناه

استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه ولیعصر (عج) رفسنجان