محمد فیوضی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
ولی اله صبا - گروه رادیولوژی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ارتش، تهران، ایران
علیرضا داداشی - گروه بیماری های عفونی، دانشکده پزشکی، دانشگاه علوم پزشکی ارتش، تهران، ایران

مقدمه: با افزایش امید به زندگی در جهان بویژه در کشورهای پیشرفته، بیماری آلزایمر به یکی از مهم ترین و پرهزینه ترین بیماری ها تبدیل شده است. تخمین زده می شود که شیوع آلزایمر بعد از 60 سالگی به ازای هر 5 سال دو برابر خواهد شد. متاسفانه این بیماری و انواع دیگر بیماری های فراموشی هزینه زیادی بر جوامع مختلف تحمیل می کنند. در این مقاله، یک روش هوشمند برای تشخیص اتوماتیک بیماری آلزایمر جهت کمک به تشخیص پزشک ارایه و ارزیابی شده است.مواد و روش ها: داده های تصویربرداری تشدید مغناطیسی از 236 بیمار در این مطالعه مورد استفاده قرار گرفت. ابتدا با پردازش تصاویر، نواحی سفید، خاکستری و مغزی-نخاعی مغز شرکت کنندگان استخراج شده و مساحت آنها محاسبه گردید و به عنوان بردار ویژگی برای طبقه بندی استفاده شد. سپس طبقه بندی کننده های ماشین پشتیبان بردار و شبکه های عصبی آموزش داده شده و برای طبقه بندی بیماران آلزایمری از افراد سالم مورد استفاده قرار گرفت.یافته ها: مساحت نواحی خاکستری مغز در بیماران آلزایمری بطور معنی داری کمتر از افراد سالم بود ( 02 / P=0 ). با استفاده از بردار ویژگی مساحت نواحی و استفاده از شبکه های عصبی به عنوان طبقه بندی کننده، بیماران آلزایمری با دقت 85 % از افراد سالم شناسایی شدندنتیجه گیری: بیماری آلزایمر باعث کاهش مساحت و حجم نواحی خاکستری مغز می شود که این تغییرات غیر قابل بازگشت می باشند. استفاده از روش های هوشمند می تواند این تغییرات را شناسایی کرده و بیماری آلزایمر را تشخیص دهد. این روش هامی توانند برای کمک به تشخیص پزشک در فرایند تشخیص بیماری آلزایمر مورد استفاده قرار بگیرند.

آلزایمر، نواحی مغز، ناحیه سفید، ناحیه خاکستری، ناحیه مغزی نخاعی، استخراج ویژگی، تفکیک و طبقه بندی.