ارائه روشی جدید جهت تشخیص بیماری آلزایمر مبتنی بر ترکیب طبقه بندها براساس رأی گیریدولایه و انتخاب ویژگی داده با استفاده از کدگذاری تنک

در سالهای اخیر تشخیص بیماری آلزایمر به مسئله ای بسیار مهم در علم پزشکی تبدیل شده است. تحقیقات نشان می دهد کهنشانگرهای زیستی مختلف مغز در زمینه تشخیص یا پیش بینی این بیماری بسیار حائز اهمیت هستند. استفاده از ابزار یادگیریماشین برای استخراج اطلاعات از این نشانگرها و به کارگیری آنها مسئله ای است که در سالهای اخیر بسیار موردتوجه قرارگرفتهاست. هدف از ارائه این مقاله، پیشنهاد روشی جهت بهبود دقت تشخیص بیماری آلزایمر مبتنی بر ترکیب طبقه بندها بر اساسرأی گیری دولایه و با استفاده از کدگذاری تنک در انتخاب ویژگی های مفید از میان ویژگی های استخراج شده از نشانگرهای زیستیمختلف مغز انسان است. در این روش با استفاده از روش ترکیبی مبتنی بر رأی گیری دولایه از اطلاعات حاصل از نشانگرهای زیستیمختلف مغز برای تشخیص بیماری آلزایمر استفاده می شود؛ این کار موجب بهبود در دقت تشخیص یا پیشبینی بیماری آلزایمرمی گردد. داده های موردبحث در این مقاله شامل افراد سالم، افراد مبتلا به بیماری آلزایمر و افراد مبتلا به اختلالات خفیف شناختیاست. برای سنجیدن دقت روش پیشنهادی ابتدا اطلاعات موردنیاز از داده های موجود استخراج شده، سپس طبق روال گفته شده،طبقه بندی داده ها صورت می پذیرد. نتایج آزمایش نشان می دهد که دقت تشخیص بیماری آلزایمر با استفاده از روش پیشنهادینسبت به روشهای پیشین بهبود پیدا کرده است.

Keywords:

طبقه بندی ترکیبی , رأی گیری دولایه , کدگذاری تنک , CSF , PET , MRI