افزایش دقت تشخیص بیماری آلزایمر براساس تصاویر MRI با ترکیب دسته بند ELM و الگوریتم گرگ خاکستری

بیماری آلزایمر یک نوع اختلال عملکرد در مغز است که روی فعالیت های مغزی تاثیر گذاشته و حافظه را دچار اختلال میکند. تشخیص به کمک تصاویرMRI از روش های غیر تهاجمی است که محققان بسیاری به آن توجه داشته اند .تاکنون کارهای زیادی برای طبقه بندی دقیق تصاویرMRI برای تشخیص افراد آلزایمری از نرمال صورت گرفته است ولی اکثر کارهای انجام شده یا دقت کافی ندارند و یا به صورت طبقه بندی دو کلاسه بودند . در این تحقیق هدف تشخیص زودهنگام بیماری آلزایمر و طبقه بندی دقیق تر و چند کلاسه تصاویر MRIمغز است تا بتوان در همان مراحل اولیه این بیماری را تشخیص داد و از روند رشد آن جلوگیری کرد. جهت حل مساله ابتدا استخراج ویژگی از تصاویر، با استفاده از روش مورفومتری بر اساس وکسل انجام میشود، سپس انتخاب ویژگی با گرگ خاکستری دودویی و با انتخاب ۳۰ ویژگی برتر جهت دسته بندی تصاویر استفاده شده است . با مقایسه الگوریتم پیشنهادی با دو روش بهینه ساز گرگ خاکستری دودویی، مشاهده کردیم که الگوریتم پیشنهادی در تشخیص بیماری آلزایمر معیارهای دقت و ویژگی و حساسیت را در طبقه بندی چندکلاسه بهبود داده است .

Keywords:

بیماری آلزایمر , الگوریتم گرگ خاکستری , ماشین یادگیری افراطی