کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

ارزیابی روش های مبتنی بر یادگیری ماشین برای پیش‌بینی زودهنگام بیماری آلزایمر

نویسندگان :

مریم صفری¹ سید عبدالرضا حسام محسنی²

1- دانشگاه الزهرا(س) 2- دانشگاه گیلان

کلمات کلیدی :

بیماری آلزایمر(AD)،MRI،یادگیری ماشین(ML)،یادگیری عمیق(DL)

چکیده :

بیماری آلزایمر(AD) یک بیماری مرتبط با مغز است که به ‌طور قابل‌توجهی عملکرد شناختی را مختل می‌کند و منجر به از دست دادن حافظه می‌شود. توقف مرگ سلول‌های مغزی غیرممکن است، اما با کمک دارو، اثرات AD را می‌توان به تأخیر انداخت . تشخیص زودهنگام بیماری آلزایمر حیاتی است و می‌تواند نرخ بقا را در میان بیماران بهبود بخشد. روش‌های سنتی تشخیص AD از طریق معاینات دوره‌ای و بررسی‌های دستی، چالش‌برانگیز هستند. پیشرفت در سیستم‌های تشخیص کمکی کامپیوتری منجر به توسعه روش‌های متنوع مبتنی بر یادگیری عمیق برای تشخیص سریع AD شده است. این پژوهش با هدف بررسی حالت ‌های مختلف (MRI ساختاری، PET، آزمون‌های شناختی، داده‌های بالینی)، مجموعه‌داده‌ها، تکنیک‌های یادگیری ماشین و روش‌های اعتبارسنجی مورد استفاده در تشخیص AD انجام شده است. در این مرور، تعدادی از مقالات مرتبط که در آن‌ها از یادگیری عمیق و یادگیری ماشین برای پیش‌بینی ابتلای آلزایمر استفاده شده است، بررسی و مقایسه شد. نتایج این بررسی نشان می‌دهد که ADNI و اعتبارسنجی متقابل k-fold پراستفاده‌ترین ابزارها هستند؛ SVM و CNN به‌عنوان روش‌های غالب، دقت بالایی در طبقه‌بندی ارائه می‌کنند. ترکیب MRI+PET، یادگیری انتقالی و رویکردهای ensemble عملکرد را به‌طور قابل‌توجهی ارتقا می‌دهند و fNIRS، با نتایج امیدوار کننده در تشخیص زودهنگام، نیازمند اعتبارسنجی گسترده در محیط‌های بالینی است.