تشخيص بيماري آلزايمر با استفاده از تصاوير fMRI

كارشناسي ارشد

تصويربرداري تشديد مغناطيسي كاركردي (fMRI) نوع خاصي از تصويربرداري تشديد مغناطيسي است كه فعاليت‌هاي مغز را به كمك تغييرات جريان خون مي‌سنجد. به بيان دقيق‌تر فعاليت مغزي به وسيله سيگنال BOLD با فركانس پايين اندازه‌گيري مي‌شود. ارائه يك روش تشخيص بيماري آلزايمر با استفاده از اين تصاوير هدف اصلي اين پايان نامه است. اين روش شامل چهار مرحله، كاهش ابعاد مجموعه داده‌اي، وزندهي اوليه وزن‌هاي شبكه عصبي، بيهنه كردن وزن‌ها با الگوريتم ژنتيك و طبقه بندي با استفاده از شبكه عصبي است. يكي از مزاياي اصلي اين روش، استفاده از الگوريتم تكاملي ژنتيك در فرآيند وزن دهي اوليه وزن‌هاي شبكه عصبي است كه سبب مي‌شود شانس رسيدن به همگرايي سريع‌تر شبكه عصبي بالاتر برود. همچنين به علت استفاده از مرحله كاهش بعد و انتخاب ويژگي، پيچيدگي محاسباتي شبكه عصبي تا اندازه زيادي كاهش پيدا مي‌كند و امكان پيش پردازش شبكه عصبي كاهش مي¬يابد. بر اين اساس، در اين پايان‌نامه سيستمي براي شناسايي ضايعات آلزايمر در تصاوير fMRI پيشنهاد شده است. در ابتدا پس از وزن‌دهي اوليه شبكه‌ عصبي با استفاده از الگوريتم ژنتيك، به‌منظور افزايش سرعت و دقت پردازش، در مرحله پيش‌پردازش با حذف نويز و افزايش كيفيت تصويرانجام داده سپس مرحله قطعه‌بندي تصاوير fMRI مغز را توسط روش رشد ناحيه قطعه¬بندي شده و ضايعات آلزايمر جداسازي شده است. در مراحل بعد، با استخراج ويژگي¬هاي تصاوير به كمك روش ANN ضايعات جداشده براي طبقه‌بندي نواحي مشكوك به ضايعات آلزايمر به سه كلاس سالم، ضايعات با شدت زياد آلزايمر (بدخيم) و ضايعات با شدت كم آلزايمر (خوش خيم قابل كنترل) طبقه‌بندي‌شده است. الگوريتم پيشنهادي براي شناسايي و قطعه‌بندي ضايعات آلزايمر بر روي تصاوير fMRI از پايگاه داده MICCAI، اعمال‌شده‌ است. نتيجه الگوريتم نهايي طبقه‌بندي نشان مي‌دهد كه بهبود قابل‌ توجهي در نتايج روش ارائه‌شده وجود دارد. در واقع براي ارزيابي 200 تصوير با روش پيشنهادي مورد بررسي قرار گرفت و با توجه به سه معيار دقت، حساسيت و ويژگي اين روش با روش شبكه عصبي مقايسه گرديد.

195601

دانشگاه علم و صنعت ايران

مهندسي پزشكي - بيوالكتريك

دكتر احمد آيت الهي