مروری بر تکنیک های یادگیری ماشین و یادگیری عمیق در تشخیص بیماری آلزایمر

بیماری آلزایمر AD یک بیماری مرتبط با مغز است که در آن وضعیت بیمار با گذشت زمان بدتر می شود. AD یک بیماریقابل درمان با هیچ دارویی نیست. توقف مرگ سلول های مغز غیرممکن است، اما با کمک دارو می توان اثرات AD را بهتاخیر انداخت. از آنجایی که همه بیماران MCI از AD رنج نم یبرند، لازم است به طور دقیق تشخیص داده شود که آیا یکبیمار با اختلال شناختی خفیف MCI به AD تبدیل می شود یا خیر. در طول تشخیص زودهنگام دو روش وجود دارد،توموگرافی گسیل پوزیترون PET و تصویر تشدید مغناطیسی MRI که توسط یک پزشک برای تشخیص بیماری آلزایمراستفاده می شود. یادگیری ماشینی و یادگیری عمیق در زمینه بینایی کامپیوتری که نیاز به استخراج اطلاعات از داده های باابعاد بالا وجود دارد، عملکرد فوق العاده ای دارند. محققان از مدل های یادگیر ی عمیق در حوزه پزشکی برای تشخیص،پیش آگاهی و حتی برای پیش بینی سلامت آینده بیمار تحت دارو استفاده می کنند. ای ن مقاله ، مروری سیستماتیک ازانتشارات پیشین می باشد که از روش های یادگیری ماشین و یادگیری عمیق برای طبقه بندی اولیه بیماری های شناختیطبیعی NC و آلزایمر AD استفاده کرده اند. همچنین روش ها و مدل های تشخیص AD را تحلیل و خلاصه می کند. نتایجنشان می دهد که فناوری یادگیری عمیق عملکرد خوبی در تشخیص AD داشته است.

Keywords:

بیماری آلزایمر , تصویربرداری پزشکی , یادگیری ماشین , یادگیری عمیق