عنوان :
کاربرد هوش مصنوعی در تشخیص زودهنگام بیماری های عصبی مانند آلزایمر
بیماری های عصبی، به ویژه بیماری آلزایمر، چالش های فرایندهای را برای سلامت عمومی و سیستم های مراقبتی
در سراسر جهان ایجاد میکنند. تشخیص زودهنگام این بیماری ها نقشی حیاتی در مدیریت مؤثر، کند کردن
روند پیشرفت و بهبود کیفیت زندگی بیماران ایفا میکند. در دهههای اخیر، هوش مصنوعی AI و به طور
خاص الگوریتمه ای یادگیری ماشین) ، (MLپتانسیل قابل توجهی را برای تحول در رویکردهای تشخیصی از
خود نشان داده اند. این مقاله به بررسی جامع و تحلیلی کاربرد الگوریتم های یادگیری ماشین در تحلیل داده های
تصویربرداری تشدید مغناطیسی MRIو الکتروانسفالوگرافی EEGبهمنظور تشخیص زودهنگام بیماری
آلزایمر میپردازد.
در این راستا، ابتدا مبانی نظری بیماری آلزایمر، اصول عملکرد MRIو EEGو نشانگرهای زیستی مرتبط با
آلزایمر در این مدالیته ها معرفی میشوند. سپس، روش های مختلف پیش پردازش داده، استخراج ویژگی های
کمی و کیفی از تصاویر MRIمانند تغییرات ساختاری و حجمی مغز و سیگنالهای EEGمانند تغییرات
در باندهای فرکانسی و الگوهای اتصال پذیری مورد بحث قرار میگیرند. در ادامه، الگوریتم های کلیدی یادگیری
ماشین، از جمله ماشین بردار پشتیبان) ، (SVMجنگل تصادفی، شبکه های عصبی کانولوشنی CNNو
شبکه های عصبی بازگشتی) ، (RNNو نحوه به کارگیری آنها برای طبقه بندی و پیش بینی مراحل اولیه آلزایمر
با استفاده از داده های MRIو ، EEGتشریح و مقایسه میشوند.
مترجم :
علی برادر خدام خسروشاهی