عنوان تشخیص بیماری آلزایمر به کمک الگوریتم ژنتیک و شبکه عصبی

انگیزه ما از این تحقیق پیدا کردن راهی برای تشخیص و درمان این بیماری در گام های اولیه می باشد. در حال حاضر درمانی برای این بیماری وجود ندارد ولی در صورت تشخیص سطح کمی از این بیماری می توان از پیشرفت آن جلوگیری کرد. که برای این کار باید ساختمان این بیماری و اثرات سیگنال های مغزی را بررسی کرد تا روشی را با هزینه کمتر و کارایی بیشتری بیابیم. از روش های تشخیص در این بیماری می توان به روش های تصویر برداری، بررسی پتانسیل الکتریکی مغز و مدلسازی مناسب فیزیولوژیک سیستم عصبی اشاره کرد. چهار روند شناخت مکانسیم این بیماری الف) پخش و یا توزیع ب) تثبیت و یا تحکیم ج) بازیابی د) شناخت می باشند. که در آن سیگنال خطا نشان دهنده وجود بیماری می باشد و در مراحل اولیه ثبت سیگنال های مغزی چهار حالت زیر مورد بررسی قرار می گیرد الف) چشم بسته ب) چشم باز ج) یادآوری د) تحریک که این چهار مرحله در سه کانال زیر مورد بررسی قرار می گیرند 1) FZ ؛ 2) CZ؛ 3) PZ ؛ [1]. در تحقیقات انجام شده درستی و صحت حالت تحریک در کانال Pz بیشتر است. آلزایمر بیماری است که با پا به سن گذاشتن و با کم شدن نیرو یا توان ذهن یا علایمی چون کم شدن حافظه، فقدان قدرت اراده و نیروی عقلانیت، داشتن رفتارهایی وخیم خود را آشکار می سازد [2]. برای داشتن بهترین راه برای درمان باید بهترین راه حل شناسایی در بهترین زمان مناسب (مراحل اولیه) را بیابیم. برای بررسی داده های آلزایمری باید سیگنال مغزی را مورد بررسی قرار دهیم که باعث به وجود آمدن آرتیفکت های فرکانس بالا ( سر و گردن ) و آرتیفکت های فرکانس پایین ( تعرق ) می گردد که برای حذف این آرتیفکت ها از فیلتر میان گذر استفاده می کنیم که فرکانسهای بین 0.5-45 هرتز را حذف می کند [4]. در حوزه زمان فرد سالم بیشترین درصد صحت اطلاعات بین بیماران خفیف و بیماران شدید در باند بتا بوده که مقدار آن 97% بوده است و بیشترین درصد صحت اطلاعات در حوزه زمان بیماران خفیف بین بیماران شدید و بیماران خفیف به مقدار 94% بوده است و همچنین در حوزه زمان بیماران شدید بیشترین صحت اطلاعات بین بیماران شدید و بیماران خفیف به مقدار 94% می باشد.

Keywords:

بیماری آلزایمر , الگوریتم ژنتیک , شبکه عصبی , سیگنال های مغزی , قطعه بندی