عنوان
پيش‌بيني پيشرفت بيماري اختلال شناختي خفيف به بيماري آلزايمر با استفاده از تصاوير MRI و هوش مصنوعي
نويسنده اصلي
كريمي بواني، احسان
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
برق
مقطع تحصيلي
كارشناسي ارشد
چكيده
اختلال خفيف شناختي يك بيماري ناشي از تخريب نورون‌هاي مغزي است كه افراد پيش از ابتلا به آلزايمر آن را تجربه مي‌كنند. از آنجا كه فرآيند تخريب نورون‌ها برگشت‌پذير و در نتيجه درمان‌پذير نيست، تنها راه مقابله با آلزايمر، پيشگيري از ابتلا به آن است. اين مساله باعث شده است تا تشخيص افراد مستعد ابتلا به اين بيماري و همچنين پيش‌بيني پيشرفت اختلال خفيف شناختي به سمت آلزايمر به يك چالش در علم پزشكي تبديل شود. با توجه به اينكه اين بيماري ساختار و عملكرد بخش‌هاي مختلف مغز را تحت تاثير قرار مي‌دهد، اطلاعات استخراجي از تصويربرداري‌هايي عصبي از جمله MRI يك منبع ارزشمند به حساب مي‌آيد. از طرفي الگوريتم‌هاي يادگيري ماشين به دليل تواناييشان در پردازش اين اطلاعات به عنوان ويژگي و پيش‌بيني و تصميم‌گيري مبتني بر آن‌ها، به شدت مورد توجه قرار دارند. اما تعدد ويژگي‌ها و نحوه استخراج آن‌ها از تصاوير باعث شده تا انتخاب موثرترين ويژگي‌ها براي الگوريتم، و يافتن بهترين الگوريتم خود به عنوان يك چالش تلقي شود. در اين پايان نامه يك خط لوله براي پيش‌بيني پيشرفت اختلاف خفيف شناختي به آلزايمر بر اساس تصاوير مربوط به معاينه اوليه و اطلاعات آزمون‌هاي تشخيصي پيشنهاد شده است. براي اين منظور ابتدا با بررسي وضعيت افراد در بازه زماني كه تحت نظر قرار دارند، يك جامعه آماري از مجموعه داده ADNI انتخاب شده و تصاوير مرحله معاينه اوليه آن‌ها پردازش مي‌شود. سپس ضمن انتخاب موثرترين ويژگي‌ها با استفاده از روش‌هاي RFE و LASSO، از SVM و يادگيري تركيبي مبتني بر شبكه‌هاي عصبي براي پيش‌بيني و همچنين پيش‌بيني و تشخيص ابتلا به آلزايمر استفاده شده است. در روش پيشنهادي دوم، ايتدا گراف‌هاي فواصل و زاويه بخش‌هاي مختلف مغز را استخراج كرده و سپس تعبيه‌سازي ويژگي گراف‌هاي استخراجي به كمك شبكه‌هاي عصبي انجام مي‌شود. در پايان از اين ويژگي‌ها در كنار داده‌هاي جانبي براي پيش‌بيني پيشرفت اختلال شناختي خفيف به AD تا 36 ماه آينده استفاده مي‌گردد. دقت به دست آمده از اين روش‌ها به ترتيب برابر 85/55 و 86/90 درصد است كه قابل مقايسه با جديدترين كارهاي مشابه مي‌باشد.
شماره ركورد
212353
گرايش رشته تحصيلي
مدارهاي مجتمع الكترونيك
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان
استاد مشاور
نادر كريمي
استاد داور
رسول اميرفتاحي، فرزانه شايق
استاد راهنما
شادرخ سماوي