دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

مروری بر روش های مبتنی بر یادگیری عمیق در تشخیص آلزایمر با استفاده از تصویربرداری مغزی

نویسندگان :

مهدیس کلاته¹ دل آرا حقی² مریم حاجی ئی³

1- دانشگاه آزاد اسلامی واحد تهران جنوب 2- دانشگاه آزاد اسلامی واحد تهران جنوب 3- دانشگاه آزاد اسلامی واحد تهران جنوب

کلمات کلیدی :

بیماری آلزایمر،تصویربرداری مغزی،شبکه های کانولوشنی،یادگیری عمیق

چکیده :

چکيده - بیماری آلزایمر به‌ عنوان یکی از رایج ترین اشکال زوال عقل، چالش‌های مهمی در تشخیص زودهنگام و مدیریت بالینی ایجاد کرده است. هدف این مقاله مروری با بررسی نقش یادگیری عمیق در بهبود تشخیص زودهنگام آلزایمر انجام‌شده‌است. با تمرکز بر تحلیل داده‌های چند وجهی مانند تصاویر MRI، PET و داده‌های شناختی، این مطالعه به مرور روش‌های مبتنی بر یادگیری عمیق، به‌ ویژه شبکه‌های کانولوشنی (CNN) و شبکه‌های بازگشتی (RNN) پرداخته است. نتایج نشان می‌دهند که این مدل‌ها با استخراج ویژگی‌های پیچیده و غیرخطی، دقت بالایی در شناسایی نشانگرهای زیستی آلزایمر و تمایز مراحل مختلف بیماری، از جمله اختلال شناختی خفیف (MCI)، ارائه می‌دهند. با این حال، چالش‌هایی نظیر کمبود مجموعه داده‌های بزرگ، تنوع در پروتکل‌های تصویربرداری و پیچیدگی محاسباتی همچنان مانع از تعمیم‌پذیری گسترده این روش‌ها هستند. این مقاله بر اهمیت پژوهش‌های آتی برای توسعه مدل‌های قابل‌تفسیر، سبک‌تر و یکپارچه با داده‌های ژنومیک و بالینی تأکید دارد. یادگیری عمیق نه ‌تنها پتانسیل تحول در تشخیص زودهنگام را دارد، بلکه می‌تواند به شخصی‌سازی درمان و پیش‌بینی روند بیماری کمک کند. نتایج این مرور بر ضرورت همکاری بین‌رشته‌ای و پیشرفت‌های مداوم در این حوزه برای غلبه بر محدودیت‌های موجود و بهبود کیفیت زندگی بیماران را مورد تأکید قرار می‌دهد.