دوره 13، شماره 3 - ( علوم پیراپزشکی و بهداشت نظامی (پاییز 1397) 1397 )
جلد 13 شماره 3 صفحات 39-27 |
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:
Fuuzy M, Saba V, Dadashi A. Automatic Detection of Alzheimer Disease Based on the Area Analysis of White and Gray Matter Regions in Brain Images. , Paramedical Sciences and Military Health. 2018; 13 (3) :27-39
URL: http://jps.ajaums.ac.ir/article-1-155-fa.html
URL: http://jps.ajaums.ac.ir/article-1-155-fa.html
فیوضی محمد، صبا ولی اله، داداشی علیرضا. تشخیص هوشمند بیماری آلزایمر بر اساس تحلیل مساحت نواحی سفید و خاکستری تصاویر مغزی. , علوم پیراپزشکی و بهداشت نظامی. 1397; 13 (3) :27-39
محمد فیوضی1 
، ولی اله صبا*2 ، علیرضا داداشی3
، ولی اله صبا*2 ، علیرضا داداشی3
1- دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
2- گروه رادیولوژی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ارتش، تهران، ایران ،vsaba@aut.ac.ir
3- گروه بیماریهای عفونی، دانشکده پزشکی، دانشگاه علوم پزشکی ارتش، تهران، ایران
2- گروه رادیولوژی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ارتش، تهران، ایران ،
3- گروه بیماریهای عفونی، دانشکده پزشکی، دانشگاه علوم پزشکی ارتش، تهران، ایران
چکیده: (6262 مشاهده)
مقدمه: با افزایش امید به زندگی در جهان بویژه در کشورهای پیشرفته، بیماری آلزایمر به یکی از مهم ترین و پرهزینه ترین بیماری ها تبدیل شده است. تخمین زده مd شود که شیوع آلزایمر بعد از 60 سالگی به ازای هر 5 سال دو برابر خواهد شد. متاسفانه این بیماری و انواع دیگر بیماریهای فراموشی هزینه زیادی بر جوامع مختلف تحمیل می کنند. در این مقاله، یک روش هوشمند برای تشخیص اتوماتیک بیماری آلزایمر جهت کمک به تشخیص پزشک ارائه و ارزیابی شده است.
مواد و روشها: داده های تصویربرداری تشدید مغناطیسی از 236 بیمار در این مطالعه مورد استفاده قرار گرفت. ابتدا با پردازش تصاویر، نواحی سفید، خاکستری و مغزی-نخاعی مغز شرکت کنندگان استخراج شده و مساحت آنها محاسبه گردید و به عنوان بردار ویژگی برای طبقه بندی استفاده شد. سپس طبقه بندی کننده های ماشین پشتیبان بردار و شبکه های عصبی آموزش داده شده و برای طبقه بندی بیماران آلزایمری از افراد سالم مورد استفاده قرار گرفت.
یافته ها: مساحت نواحی خاکستری مغز در بیماران آلزایمری بطور معنی داری کمتر از افراد سالم بود ( 02 / P=0 ). با استفاده از بردار ویژگی مساحت نواحی و استفاده از شبکه های عصبی به عنوان طبقه بندی کننده، بیماران آلزایمری با دقت 85 % از افراد سالم شناسایی شدند.
نتیجه گیری: بیماری آلزایمر باعث کاهش مساحت و حجم نواحی خاکستری مغز می شود که این تغییرات غیر قابل بازگشت می باشند. استفاده از روشهای هوشمند می تواند این تغییرات را شناسایی کرده و بیماری آلزایمر را تشخیص دهد. این رو شها می توانند برای کمک به تشخیص پزشک در فرایند تشخیص بیماری آلزایمر مورد استفاده قرار بگیرند.
مواد و روشها: داده های تصویربرداری تشدید مغناطیسی از 236 بیمار در این مطالعه مورد استفاده قرار گرفت. ابتدا با پردازش تصاویر، نواحی سفید، خاکستری و مغزی-نخاعی مغز شرکت کنندگان استخراج شده و مساحت آنها محاسبه گردید و به عنوان بردار ویژگی برای طبقه بندی استفاده شد. سپس طبقه بندی کننده های ماشین پشتیبان بردار و شبکه های عصبی آموزش داده شده و برای طبقه بندی بیماران آلزایمری از افراد سالم مورد استفاده قرار گرفت.
یافته ها: مساحت نواحی خاکستری مغز در بیماران آلزایمری بطور معنی داری کمتر از افراد سالم بود ( 02 / P=0 ). با استفاده از بردار ویژگی مساحت نواحی و استفاده از شبکه های عصبی به عنوان طبقه بندی کننده، بیماران آلزایمری با دقت 85 % از افراد سالم شناسایی شدند.
نتیجه گیری: بیماری آلزایمر باعث کاهش مساحت و حجم نواحی خاکستری مغز می شود که این تغییرات غیر قابل بازگشت می باشند. استفاده از روشهای هوشمند می تواند این تغییرات را شناسایی کرده و بیماری آلزایمر را تشخیص دهد. این رو شها می توانند برای کمک به تشخیص پزشک در فرایند تشخیص بیماری آلزایمر مورد استفاده قرار بگیرند.
نوع مطالعه: كاربردي |
موضوع مقاله:
مقالات کامل
دریافت: 1397/9/17 | پذیرش: 1405/3/20 | انتشار: 1397/9/24
دریافت: 1397/9/17 | پذیرش: 1405/3/20 | انتشار: 1397/9/24
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
