دوره 76، شماره 6 - ( شهریور 1397 )                   جلد 76 شماره 6 صفحات 416-410 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rezaei M, Zereshki E, Sharini H, Gharib Salehi M, Naleini F. Detection of Alzheimer's disease based on magnetic resonance imaging of the brain using support vector machine model. Tehran Univ Med J 2018; 76 (6) :410-416
URL: http://tumj.tums.ac.ir/article-1-9027-fa.html
رضایی منصور، زرشکی احسان، شرینی حمید، غریب صالحی محمد، نعلینی فرهاد. تشخیص بیماری آلزایمر بر اساس تصویرسازی تشدید مغناطیسی مغز با استفاده از مدل ماشین‌بردار پشتیبان. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1397; 76 (6) :410-416

URL: http://tumj.tums.ac.ir/article-1-9027-fa.html


1- گروه آمار زیستی، مرکز تحقیقات باروری ناباروری، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران.
2- کمیته تحقیقات دانشجویی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران. ، ehsanzereshki@gmail.com
3- گروه فیزیک پزشکی و مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران.
4- گروه رادیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران.
چکیده:   (4015 مشاهده)
زمینه و هدف: بیماری آلزایمر متداول‌ترین بیماری زوال عقل است که به‌صورت نامحسوس پیش می‌رود و ابتدا ساختار بخشی از مغز را تخریب و سپس به‌صورت بالینی بروز پیدا می‌کند. می‌توان با تشخیص به‌موقع این تغییرات ساختاری مغز، از بروز این بیماری یا از پیشرفت آن جلوگیری کرد. هدف این مطالعه، تشخیص بیماری آلزایمر بر اساس تصویرسازی تشدید مغناطیسی مغز با استفاده از مدل ماشین‌بردار پشتیبان بود.
روش بررسی: مطالعه حاضر یک مطالعه تحلیلی از نوع مدلسازی است که در دانشگاه علوم پزشکی کرمانشاه، دانشکده بهداشت از اسفند ۱۳۹۵ تا آذر ۱۳۹۶ انجام شد. داده‌ها یک دیتاست به نام Miriad شامل تصویرسازی تشدید مغناطیسی مغز ۶۹ فرد بود که در بیمارستان مرکزی لندن جمع‌آوری شده است. افراد به‌وسیله‌ی دو معیار به‌عنوان استاندارد طلایی به دو گروه سالم و آلزایمری تفکیک شده بودند. در این مقاله از مدل ماشین‌بردار پشتیبان با سه کرنل خطی، دوجمله‌ای و گوسین برای تفکیک بیماران از افراد سالم استفاده شد.
یافته‌ها: با استفاده از مدل ماشین‌بردار پشتیبان با کرنل گوسین بیماران آلزایمری و افراد سالم با صحتی برابر ۸۸/۳۴% به درستی تفکیک شدند. مهمترین ناحیه‌ها برای بیماری آلزایمر سه ناحیه‌ی پاراهیپوکامپ جایروس راست، پاراهیپوکامپ جایروس چپ و هیپوکامپ راست بودند.
نتیجه‌گیری: مطالعه حاضر نشان داد که مدل فوق با صحت بالایی می‌تواند بیماران آلزایمری را از افراد سالم تفکیک کند. بر این اساس می‌توان نرم‌افزاری در اختیار مراکز تصویرسازی تشدید مغناطیسی قرار داد تا تست غربالگری آلزایمر را برای افراد بالای ۵۰ سال انجام دهند.
متن کامل [PDF 471 kb]   (4638 دریافت)    
نوع مطالعه: مقاله اصیل |

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb