تشخيص و طبقه بندي بيماري آلزايمر با بلوك‌هاي رسوبي سه بعدي

Diagnosis and classification of Alzheimer's disease by 3 D Residual Block

مقدمه: در سالهاي اخير مطالعات فراواني براي تجزيه و تحليل مغز به منظور تشخيص بيماريهاي مغزي انجام شده است كه تكنيك‌هاي يادگيري ماشين نقش به سزايي در ايجاد سيستمهاي هوشمند تشخيصي ايفا كرده‌اند. از بين روشهاي مختلف يادگيري ماشين، روشهاي مبتني بر يادگيري عميق در سالهاي اخير كاربرد گسترده‌اي در ايجاد سيستمهاي هوشمند دستيار پزشكي داشته است كه به ايجاد سيستم‌هاي قدرتمندي جهت تشخيص بيماري منتج شد. روش كار: در اين پژوهش تشخيص بيماران آلزايمري با شبكه عصبي يادگيري عميق مبتني بر بلوك‌هاي رسوبي سه بعدي ارايه شده است. همچنين روند آموزش و تست روش ارائه شده توسط مجموعه داده ADNI انجام پذيرفت. نتايج: نتايج حاصل از خروجي اين روش در مقايسه با روش‌هاي ارائه شده در پژوهش‌هاي قبلي با دقت بالايي عمليات تشخيص و طبقه بندي بيماران آلزايمري انجام گرديد. نتيجه‌گيري: يافته‌هاي پژوهش حاضر بيانگر آن بودند كه يادگيري ماشين با روش‌هاي يادگيري عميق مي‌تواند زودتر از پزشكان، بيماري آلزايمر را تشخيص دهد.

Introduction: In recent years, many studies have been done to analyze brain diseases in order to identify brain diseases that have a significant role in creating diagnostic intelligent systems. among the different methods of machine learning, deep learning based methods in recent years have been a wide application of the development of intelligent systems, which resulted in the creation of powerful systems for diagnosis of disease. Method: In this study, the diagnosis of Alzheimer's patients with deep learning neural network is based on method of 3- D Residual Block. the training and test procedure presented by ADNI data set Results: The results showed that the output of this Method were conducted in comparison to the proposed methods, accuracy of diagnose and classification of Alzheimer's disease. Conclusion: the findings of the present study showed that the machine learning with deep learning methods can diagnose Alzheimer's disease sooner than doctors.