logo

جستجو در مقالات منتشر شده


۱ نتیجه برای شبکه عصبی یادگیری عمیق

فیروزه رضوی، محمد جعفر تارخ، محمود البرزی،
دوره ۱۸، شماره ۲ - ( ۵-۱۳۹۹ )
چکیده

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.

صفحه ۱ از ۱