پيش بيني بيماري آلزايمر با استفاده از شبكه عصبي عميق و الگوريتم بهينه‌سازي ازدحام ذرات

مقدمه:  بيماري آلزايمر يك بيماري برگشت‌ناپذير عصبي است كه با اختلالات فكري، رفتاري و حافظه مشخص مي شود. پيش بيني اوليه آن يك امر چالش برانگيز است. هدف از اين مطالعه تعيين عوامل مرتبط مبتلا به بيماري آلزايمر است.روش كار: اين مطالعه با استفاده از داده هاي جمع‌آوري شده از پروژه OASIS كه توسط مركز تحقيقات دانشگاه واشنگتن در دسترس قرار گرفته، چارچوبي براي پيش بيني آلزايمر پيشنهاد مي كند. در اين مطالعه از شبكه عصبي عميق براي پيش بيني استفاده مي شود. براي انتخاب ويژگي هاي مناسب، الگوريتم بهينه ساز ازدحام ذرات به كار رفته است. تركيب اين دو روش باعث افزايش دقت روش پيش بيني شده است. اين روش با الگوريتم هاي مختلف يادگيري ماشين كه دقت خوبي در پيش بيني بيماري آلزايمر داشته اند، مقايسه شده است.يافته ها: نتايج نشان مي دهد دقت روش پيشنهادي با ويژگي كمتر، بالاتر است. از بين 11 ويژگي در اين مجموعه داده، شش ويژگي سن، وضعيت اقتصادي-اجتماعي، نمره ارزيابي صحت آزمون كوتاه وضعيت ذهني، رتبه بندي سطح كاركرد حافظه، حجم  برآورد شده  داخل جمجمه و حجم نرمال شده كل مغز تأثير زيادي در پيش بيني بيماري را دارد كه در بين اين شش ويژگي، رتبه بندي سطح كاركرد حافظه اهميت بيشتري دارد.نتيجه‌گيري: مطالعه حاضر به بررسي عوامل مؤثر و پيش بيني بيماري آلزايمر پرداخته است. تشخيص زودهنگام بيماري آلزايمر، باعث ارائه خدمات تشخيصي و درماني مناسب و همچنين بهبود كيفيت زندگي بيماران مي شود. روش ارائه شده در اين مطالعه با الگوريتم هاي مختلف يادگيري ماشين كه دقت خوبي در پيش بيني بيماري آلزايمر داشته اند، مقايسه شده است. نتايج نشان مي دهد دقت روش پيشنهادي با ويژگي كمتر، بالاتر است.