امروز

چهارشنبه ۹ خرداد ۱۴۰۳

بیماری پارکینسون  یک اختلال در سیستم عصبی است که عمدتا افراد مسن را تحت تاثیر قرار می دهد. این بیماری به دلیل زوال تدریجی سلول های عصبی در مغز ایجاد می شود که منجر به کمبود دوپامین لازم برای حرکات کنترلی می گردد. از آنجایی که بیماری پارکینسون قابل درمان نیست، تشخیص زودهنگام بیماری پارکینسون برای مدیریت و مراقبت بهتر از بیماران، خانواده‌ها و جوامع بسیار مفید است. تاکنون تحقیقات زیادی در این رابطه انجام شده است. هدف این پایان‌نامه ارائه روش‌هایی با دقت بالاتر نسبت به روش‌های قبلی است. این پایان نامه وضعیت تحقیقاتی تشخیص بیماری پارکینسون را بررسی کرده و یک شبکه عصبی کانولوشنی سه بعدی را برای طبقه بندی این بیماری با استفاده از داده‌های  DTI  بر اساس پایگاه داده  PPMI  ارائه می‌کند. در روش پیشنهادی، ابتدا تصاویر DTI  با استفاده از مراحل تبدیل فرمت، استخراج مغز ، اصلاح اعوجاجات، محاسبه‌ی نقشه‌های FA ، انطباق  تصویر به فضای استاندارد و کاهش نویز پیش پردازش می‌شوند. سپس این نقشه‌ها به شبکه‌ي کانولوشنی سه بعدی اعمال می‌شوند که می‌توانند ویژگی‌های طیفی و فضایی تصاویر را برای طبقه‌بندی استخراج کنند. از LOOCV  نیز برای Cross-Validation استفاده می‌گردد. نتایج بر اساس  شش معیار دقت (Accuracy)، صحت (Precision)، حساسیت (Recall)، F1 Score، AUC و ماتریس درهم ریختگی (Confusion Matrix) گزارش شده‌اند. برای معیار‌های دقت و AUC، به ترتیب ۹۴۲. و ۹۹۱. به دست آمدند. نتایج خروجی روش ذکر شده نشان از برتری روش‌ پیشنهادی در مقایسه با تحقیقات انجام گرفته در این زمینه دارد. نتایج این تحقیق می‌تواند به جامعه پزشکی جهت تشخیص بیماری پارکینسون کمک کند.

نام دانشجو: 
علی محمدنژاد
عنوان پایان نامه : 
تشخیص بیماری پارکینسون با استفاده از شبکه‌های عصبی عمیق
مقطع تحصیلی: 
کارشناسی ارشد
مکان: 
دانشکده برق و کامپیوتر ـ بلوک مخابرات ـ طبقه چهار
تاریخ دفاع: 
1401/11/5
ساعت: 
11:00