light box
امتیاز 2.58 تشخیص زودهنگام بیماری آلزایمر با استفاده از تصویربرداری عصبی آنژیوگرافی کاتتر مغزی:">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 31
تعداد کلمات : 11500
مجله : big data and cognitive computing
انتشار : 2022
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:تشخیص زودهنگام بیماری آلزایمر با استفاده از تصویربرداری عصبی آنژیوگرافی کاتتر مغزی: یک مدل جدید بر اساس رویکردهای یادگیری عمیق

 چکیده

  تصویربرداری عصبی به تکنیک هایی اشاره دارد که اطلاعات کارآمدی در مورد ساختار عصبی مغز انسان ارائه می دهد که برای تشخیص، درمان و تحقیقات علمی استفاده می شود. مشکل طبقه‌بندی تصاویر عصبی یکی از مهم‌ترین مراحلی است که کادر پزشکی برای تشخیص زودهنگام بیماران خود با بررسی شاخص‌های انواع مختلف تصویربرداری عصبی مورد نیاز است. تشخیص زودهنگام بیماری آلزایمر در پیشگیری از بدتر شدن وضعیت بیمار از اهمیت بالایی برخوردار است. در این تحقیق، یک رویکرد جدید بر اساس یک اسکن آنژیوگرافی دیجیتال تفریق شده ابداع شد که ویژگی‌های کافی از یک نشانگر زیستی جدید جریان خون مغزی را ارائه می‌دهد. مجموعه داده مورد استفاده از پایگاه داده بیمارستان K.A.U.H به دست آمده است و شامل آنژیوگرام های دیجیتالی کم شده از شرکت کنندگانی است که با بیماری آلزایمر تشخیص داده شده بودند، علاوه بر نمونه هایی از افراد عادی. از آنجایی که هر اسکن شامل چندین فریم برای ICA چپ و راست بود، مراحل پیش پردازش برای آماده سازی مجموعه داده برای مراحل بعدی استخراج ویژگی و طبقه بندی استفاده شد. فریم های متعدد اسکن از فضای واقعی به فضای DCT تبدیل شده و به طور میانگین برای حذف نویزها محاسبه می شود. سپس، تصویر میانگین به فضای واقعی تبدیل شد و هر دو طرف با Meijering فیلتر شدند و در یک تصویر واحد الحاق شدند. مدل پیشنهادی ویژگی ها را با استفاده از مدل های مختلف از قبل آموزش دیده استخراج می کند: InceptionV3 و DenseNet201. سپس، از روش PCA برای انتخاب ویژگی‌ها با نسبت واریانس توضیح‌داده شده ۰٫۹۹ استفاده شد، که در آن ترکیبی از ویژگی‌های انتخاب‌شده از هر دو مدل از پیش آموزش‌دیده به طبقه‌بندی‌کننده‌های یادگیری ماشین وارد می‌شود. به طور کلی، نتایج تجربی به‌دست‌آمده حداقل به خوبی سایر روش‌های پیشرفته در منابع است و طبق استانداردهای پزشکی اخیر با سطح دقت ۹۹٫۱۴ درصد، با توجه به تفاوت در نمونه‌های داده و استفاده‌شده بیومارکر جریان خون مغزی ، کارآمدتر است(تصویربرداری عصبی آنژیوگرافی کاتتر مغزی).

Title: Early Diagnosis of Alzheimer’s Disease Using Cerebral Catheter Angiogram Neuroimaging: A Novel Model Based on Deep Learning Approaches

Abstract

 Neuroimaging refers to the techniques that provide efficient information about the neural structure of the human brain, which is utilized for diagnosis, treatment, and scientific research. The problem of classifying neuroimages is one of the most important steps that are needed by medical staff to diagnose their patients early by investigating the indicators of different neuroimaging types. Early diagnosis of Alzheimer’s disease is of great importance in preventing the deterioration of the patient’s situation. In this research, a novel approach was devised based on a digital subtracted angiogram scan that provides sufficient features of a new biomarker cerebral blood flow. The used dataset was acquired from the database of K.A.U.H hospital and contains digital subtracted angiograms of participants who were diagnosed with Alzheimer’s disease, besides samples of normal controls. Since each scan included multiple frames for the left and right ICA’s, pre-processing steps were applied to make the dataset prepared for the next stages of feature extraction and classification. The multiple frames of scans transformed from real space into DCT space and averaged to remove noises. Then, the averaged image was transformed back to the real space, and both sides filtered with Meijering and concatenated in a single image. The proposed model extracts the features using different pre-trained models: InceptionV3 and DenseNet201. Then, the PCA method was utilized to select the features with 0.99 explained variance ratio, where the combination of selected features from both pre-trained models is fed into machine learning classifiers. Overall, the obtained experimental results are at least as good as other state-of-the-art approaches in the literature and more efficient according to the recent medical standards with a 99.14% level of accuracy, considering the difference in dataset samples and the used cerebral blood flow biomarker.

دیدگاهها بسته است.

محصولات مشابه
کمبود(نقص) توجه و علائم ADHD در بزرگسالان مبتلا به بیماری فابری – یک مطالعه آزمایشی
خـریـد محـصـول
مرزهای جدید در مدیریت سرطان رکتوم اولیه و پیشرفته
خـریـد محـصـول
ریسک میوکاردیت و پریکاردیت در بزرگسالان جوان به دنبال واکسیناسیون mRNA COVID-19
خـریـد محـصـول
بروز میوکاردیت و پریکاردیت در بیماران واکسینه نشده پس از کووید-۱۹
خـریـد محـصـول
الگوریتم ازدحام آفتاب پرست کارآمد برای مسئله توزیع بار اقتصادی
خـریـد محـصـول
فرآیند بازآفرینی شهری: مورد یک مجتمع مسکونی در حومه رم، ایتالیا
خـریـد محـصـول
رابطه پویا بین شاخص سهام و قیمت دارایی: تجزیه و تحلیل بلندمدت
خـریـد محـصـول
تشخیص بیماری پوسیدگی طوقه در گندم در شرایط محیطی کنترل شده
خـریـد محـصـول
بکارگیری بهینه سازی برای حمایت از مدیریت تطبیقی آب رودخانه ها
خـریـد محـصـول
ارزیابی تأثیر آموزش زیست محیطی بر رفتار سازگار با محیط زیست
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

 
برو بالا