دوره 11، شماره 1 - ( 3-1403 )                   جلد 11 شماره 1 صفحات 71-60 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Afrasiabi M, Movahedi A. Alzheimer's Prediction Using Deep Neural Network and Particle Swarm Optimization. jhbmi 2024; 11 (1) :60-71
URL: http://jhbmi.ir/article-1-849-fa.html
افراسیابی مه لقا، موحدی احمد. پیش بینی بیماری آلزایمر با استفاده از شبکه عصبی عمیق و الگوریتم بهینه‌سازی ازدحام ذرات. مجله انفورماتیک سلامت و زیست پزشکی. 1403; 11 (1) :60-71

URL: http://jhbmi.ir/article-1-849-fa.html


استادیار، گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی همدان، همدان، ایران
چکیده:   (648 مشاهده)
مقدمه:  بیماری آلزایمر یک بیماری برگشتناپذیر عصبی است که با اختلالات فکری، رفتاری و حافظه مشخص می­شود. پیش­بینی اولیه آن یک امر چالش برانگیز است. هدف از این مطالعه تعیین عوامل مرتبط مبتلا به بیماری آلزایمر است.
روش کار: این مطالعه با استفاده از داده­های جمعآوری شده از پروژه OASIS که توسط مرکز تحقیقات دانشگاه واشنگتن در دسترس قرار گرفته، چارچوبی برای پیش­بینی آلزایمر پیشنهاد می­کند. در این مطالعه از شبکه عصبی عمیق برای پیش­بینی استفاده می­شود. برای انتخاب ویژگی­های مناسب، الگوریتم بهینه­ساز ازدحام ذرات به کار رفته است. ترکیب این دو روش باعث افزایش دقت روش پیش­بینی شده است. این روش با الگوریتم­های مختلف یادگیری ماشین که دقت خوبی در پیش­بینی بیماری آلزایمر داشته­اند، مقایسه شده است.
یافته ها: نتایج نشان می­دهد دقت روش پیشنهادی با ویژگی کمتر، بالاتر است. از بین 11 ویژگی در این مجموعه داده، شش ویژگی سن، وضعیت اقتصادی-اجتماعی، نمره ارزیابی صحت آزمون کوتاه وضعیت ذهنی، رتبه­بندی سطح کارکرد حافظه، حجم  برآورد شده  داخل جمجمه و حجم نرمال شده کل مغز تأثیر زیادی در پیش­بینی بیماری را دارد که در بین این شش ویژگی، رتبه­بندی سطح کارکرد حافظه اهمیت بیشتری دارد.
نتیجه‌گیری: مطالعه حاضر به بررسی عوامل مؤثر و پیش­بینی بیماری آلزایمر پرداخته است. تشخیص زودهنگام بیماری آلزایمر، باعث ارائه خدمات تشخیصی و درمانی مناسب و همچنین بهبود کیفیت زندگی بیماران می­شود. روش ارائه شده در این مطالعه با الگوریتم­های مختلف یادگیری ماشین که دقت خوبی در پیش­بینی بیماری آلزایمر داشته­اند، مقایسه شده است. نتایج نشان می­دهد دقت روش پیشنهادی با ویژگی کمتر، بالاتر است.
متن کامل [PDF 686 kb]   (424 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: داده کاوی
دریافت: 1402/12/1 | پذیرش: 1403/3/9

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb