دوره 18، شماره 2 - ( 5-1399 )
جلد 18 شماره 2 صفحات 269-260 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Razavi F, Tarokh M J, Alborzi M. An Intelligent Method of Alzheimer's disease Using Deep learning. RBS 2020; 18 (2) :260-269
URL: http://rbs.mui.ac.ir/article-1-784-fa.html
URL: http://rbs.mui.ac.ir/article-1-784-fa.html
رضوی فیروزه، تارخ محمد جعفر، البرزی محمود. شناسایی آلزایمر با استفاده از شبکه عصبی یادگیری عمیق. تحقیقات علوم رفتاری. 1399; 18 (2) :260-269
فیروزه رضوی1 
، محمد جعفر تارخ* 2، محمود البرزی3
، محمد جعفر تارخ* 2، محمود البرزی3
1- دانشجوی دکتری، گروه مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران، ایران.
2- گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران. ، Mjtarokh@kntu.ac.ir
3- گروه مدیریت فناوری اطلاعات، واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران، ایران.
2- گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران. ، Mjtarokh@kntu.ac.ir
3- گروه مدیریت فناوری اطلاعات، واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران، ایران.
چکیده: (3257 مشاهده)
زمینه و هدف: بیماری آلزایمر شایعترین شکل زوال عقل است که مهمترین نمود آن اختلال در حافظه است. آسیبدیدگی مغزی و اختلال استرس پس از حادثه (حوادث ایجادشده برای جانبازان جنگ، رزمندگان و نیروهای مسلح)، نقش بسزایی در افزایش خطر بیماری آلزایمر دارد. ماهیت ابعاد بالای داده‌های عصبی، درعین‌حال تعداد کمی از نمونه‌های موجود، باعث می‌شود که یک سیستم تشخیص دقیق کامپیوتری ایجاد شود. هدف از انجام مطالعه حاضر به‌کارگیری شبکه‌های عصبی یادگیری عمیق برای ایجاد یک سیستم خودکار تشخیص بیماری می‌باشد.
مواد و روش‌ها: مطالعه حاضر، بر روی ۲۰۰ نمونه تصاویر مغزی جانبازان جنگ توسط نرم‌افزار پایتون انجام‌شده است. در مدل پیشنهادی این پژوهش ۷۰% از تصاویر پایگاه داده برای آموزش و ۳۰% تصاویر پایگاه داده برای آزمون انتخاب شدند. در مرحله اول آموزش از یادگیری عمیق با شبکه کانولوشن برای استخراج ویژگی سپس در مرحله دوم به‌منظور طبقه‌بندی وضعیت سلامت بر پایه ویژگی‌های یاد گرفته‌شده می‌باشد.
یافته‌ها: نتایج حاصل از خروجی تجزیه‌وتحلیل شده و با روش‌های ارائه‌شده در مطالعات قبلی مقایسه شده است. روش پیشنهادی، دقت تشخیص بالاتری دارد که نسبت به روش‌های موجود باعث افزایش بیش از ۱۰% در دقت تشخیص در بسیاری از موارد گردیده است.
نتیجه‌گیری: نتایج این پژوهش نشان داد که استفاده از روش‌های هوشمند بر مبنای یادگیری عمیق می‌تواند با دقت مطلوبی بیماری آلزایمر را تشخیص دهد. همچنین از الگوریتم‌های استفاده‌شده در این تحقیق را می‌توان در سایر امور مدیریتی، نظامی و دفاعی نیز استفاده کرد.
مواد و روش‌ها: مطالعه حاضر، بر روی ۲۰۰ نمونه تصاویر مغزی جانبازان جنگ توسط نرم‌افزار پایتون انجام‌شده است. در مدل پیشنهادی این پژوهش ۷۰% از تصاویر پایگاه داده برای آموزش و ۳۰% تصاویر پایگاه داده برای آزمون انتخاب شدند. در مرحله اول آموزش از یادگیری عمیق با شبکه کانولوشن برای استخراج ویژگی سپس در مرحله دوم به‌منظور طبقه‌بندی وضعیت سلامت بر پایه ویژگی‌های یاد گرفته‌شده می‌باشد.
یافته‌ها: نتایج حاصل از خروجی تجزیه‌وتحلیل شده و با روش‌های ارائه‌شده در مطالعات قبلی مقایسه شده است. روش پیشنهادی، دقت تشخیص بالاتری دارد که نسبت به روش‌های موجود باعث افزایش بیش از ۱۰% در دقت تشخیص در بسیاری از موارد گردیده است.
نتیجه‌گیری: نتایج این پژوهش نشان داد که استفاده از روش‌های هوشمند بر مبنای یادگیری عمیق می‌تواند با دقت مطلوبی بیماری آلزایمر را تشخیص دهد. همچنین از الگوریتم‌های استفاده‌شده در این تحقیق را می‌توان در سایر امور مدیریتی، نظامی و دفاعی نیز استفاده کرد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |