tsta

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

ارائه یک مدل ترکیبی برای تشخیص بیماری آلزایمر با استفاده از هوش مصنوعی و منطق فازی

Authors :

مصطفی کامل گاطع¹

1- دانشگاه کبانگ‌سآن مالزی (UKM)، مالزی

Keywords :

هوش مصنوعی،تشخیص زود هنگام،الزایمر،هوشمند

Abstract :

بیماری آلزایمر (AD) یک مسأله مهم سلامت جهانی است و تشخیص زودهنگام آن برای بهبود مراقبت از بیماران و نتایج درمانی حیاتی محسوب می‌شود. روش‌های سنتی تشخیص آلزایمر، مانند ارزیابی‌های بالینی و تصویربرداری‌های عصبی، اغلب پرهزینه و زمان‌بر هستند. با این حال، فناوری‌های یادگیری ماشین (ML) پتانسیل چشمگیری برای خودکارسازی و ارتقای دقت تشخیص زودهنگام از طریق تحلیل مجموعه داده‌های بزرگ مانند تصاویر MRI و نتایج آزمون‌های شناختی نشان داده‌اند.نوآوری این پژوهش در ادغام داده‌های تصویربرداری MRI و نتایج آزمون‌های شناختی در یک مدل تشخیصی مبتنی بر یادگیری ماشین نهفته است. این ترکیب، رویکردی جامع‌تر برای شناسایی آلزایمر ارائه می‌دهد، در حالی‌که روش‌های سنتی معمولاً تنها بر یک نوع داده تکیه دارند. این رویکرد، یک راه‌حل کل‌نگر و قابل اعتمادتر برای تشخیص زودهنگام آلزایمر فراهم می‌کند.در این مطالعه، ما یک مدل یادگیری ماشین توسعه دادیم که با استفاده از الگوریتم‌های پیشرفته، داده‌های ترکیبی MRI و آزمون‌های شناختی را تحلیل می‌کند. مدل طراحی‌شده با استفاده از اعتبارسنجی متقابل به‌طور سخت‌گیرانه ارزیابی شد تا پایداری و استحکام آن تضمین شود.نتایج نشان داد که مدل به دقت ۹۱.۹٪، دقت پیش‌بینی ۹۲.۵٪، حساسیت ۹۱.۱٪ و نمره F1 معادل ۹۱.۸٪ دست یافته است. علاوه بر این، مساحت زیر منحنی (AUC) برابر با ۰.۹۴ به‌دست آمد که نشان‌دهنده توانایی بالای مدل در تمایز میان موارد آلزایمر و غیر آلزایمر است.