آلزایمر ازجمله بیماریهای شایع قرن ۲۱ است و به سبب آن سلولهای مغزی بیمار بهتدریج از بین رفته و بیمار فوت میکند. در اکثر مواقع هنگامی این بیماری تشخیص داده میشود که علائم آن بروز پیداکرده و کار چندانی برای بیمار نمیتوان انجام داد. لذا استفاده از الگوریتمهای یادگیری چکیده کامل
آلزایمر ازجمله بیماریهای شایع قرن ۲۱ است و به سبب آن سلولهای مغزی بیمار بهتدریج از بین رفته و بیمار فوت میکند. در اکثر مواقع هنگامی این بیماری تشخیص داده میشود که علائم آن بروز پیداکرده و کار چندانی برای بیمار نمیتوان انجام داد. لذا استفاده از الگوریتمهای یادگیری برای تشخیص بیماری بسیار مفید است. به همین دلیل تاکنون الگوریتمهای متفاوتی ازجمله نزدیکترین همسایه، آنالیز تشخیص خطی و ماشین بردار پشتیبان برای تشخیص این بیماری استفاده شده است. این روشها دارای نقاط ضعفی ازجمله صحت پایین، پیچیدگی محاسباتی بالا و یا زمان اجرای زیادی هستند. بنابراین در این تحقیق، روشی مبتنی بر یادگیری عاطفی مغز و ویژگی موجک استفاده شده است. ابتدا ماده سفید و خاکستری مغز توسط روش آستانه گیری تفکیک شدند، در مرحله دوم ویژگیهای بافت تصاویر توسط الگوریتم تبدیل موجک استخراج گردید، مرحله سوم کاهش بعد روی ویژگیهای استخراج شده توسط آنالیز مؤلفههای اصلی انجام گرفته و درنهایت با استفاده از دو الگوریتم یادگیری عاطفی مغز و الگوریتم یادگیری عاطفی مغز مبتنی بر تشخیص الگو طبقهبندی صورت گرفته است. نتایج نشان دادند که زمان اجرای الگوریتم یادگیری عاطفی مغز 22/0 ثانیه و نیز الگوریتم یادگیری عاطفی مغز با صحت 95 درصد و الگوریتم یادگیری عاطفی مغز مبتنی بر تشخیص الگو با صحت 97 درصد بهتر از ماشین بردار پشتیبان با صحت 83 درصد عمل کردهاند.
پرونده مقاله