پیش‌بینی بیماری آلزایمر با استفاده از الگوریتم‌های انتخاب ویژگی محاسبات نرم و بر پایه rs-fMRI و sMRI

Abstract

بیماری آلزایمر (AD)، یک بیماری پیشرفته و غیرقابل‌برگشت است که اغلب در افراد مسن رخ می‌دهد و به‌تدریج مناطق مغز را که مسئول حافظه، تفکر، یادگیری و رفتار هستند، از بین می‌برد. در این مقاله پیش‌بینی AD بر اساس تصاویر rs-fMRI و sMRI بررسی می‌شود. در این مطالعه سه الگوریتم انتخاب ویژگی بر اساس روش محاسبات نرم ارائه شده، که طبقه‌بندی MCI-C از MCI-NC با آموزش و آزمایش الگوریتم SVM انجام می‌شود. این اولین مطالعه‌ای است که از ادغام rs-fMRI و sMRI برای پیش‌بینی AD استفاده کرده است. نتایج حاصل از این مطالعه می‌تواند به مناطق شناخته شده مغز )عملکردی و ساختاری( که در بیماری آلزایمر دچار اختلال شده‌اند، منجر شود. علاوه بر این، روش NBS بر روی تقسیم‌بندی‌های عملکردی مغز، برای جداسازی MCI-C از MCI-NC و تشخیص زیر شبکه‌هایی که دارای قابلیت تشخیصی برای پیش‌بینی AD هستند، به کار گرفته شده است.