اکبر اصغرزاده بناب - گروه مطالعات علم و فناوری ، دانشگاه فرماندهی و ستاد آجا، تهران، ایران
سینا آذرفردیان - گروه مهندسی کامپیوتر، واحد تبریز ، دانشگاه آزاد اسلامی ، تهران ، ا یران

بیماری آلزایمر AD به عنوان یک مشکل جدی با پیری سریع جمعیت در حال ظهور است، اما به دلیل نامشخص بودن علت بیماری و عدم درمان، اقدامات پیشگیرانه مناسب بهترین چیز بعدی است. در این مقاله، از ترکیب تبدیل زمان فرکانس و یادگیری عمیق برای تشخیص مراحل آلزایمر در تصاویر تصویربرداری رزونانس مغناطیسی MRI استفاده شده است. برای این منظور، بعد از پیش پردازش تصاویر، تبدیل موجک ایستان دو بعدی D-DWT۲ یک مرحله ای به تصاویر MRI اعمال می شود. در ادامه، چهار زیرباند به دست آمده با هم ادغام می شوند تا تصویر واحدی به دست آید . در ادامه، این تصویر از شبکه عصبی کانولوشنی عمیق عبور داده شده تا ویژگی های عمیق است خراج شوند. در نهایت ویژگی های عمیق به طبقه بند بردار پشتیبان ماشین SVM اعمال شوند. سه سناریوی مختلف باینری برای ارزیابی دقت روش پیشنهادی در پایگاه داده ADNI در نظر گرفته شده است. نتایج طبقه بندی بیانگر عملکرد خوب روش پیشنهادی در تشخیص مراحل مختلف بیماری آلزایمر است

بیماری آلزایمر، شدت بیماری، تبدیل موجک ایستان، طبقه بند SVM، شبکه عصبی کانولوشنی