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 صبا2 ، علیرضا داداشی3
، ولی اله صبا2 ، 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: (3846 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.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
