شماره ركورد كنفرانس :
4093
عنوان مقاله :
بررسي روش هاي تشخيص زود هنگام و پردازش داده هاي بزرگ بيماري آلزايمر با به كاري گيري روش هاي يادگيري عميق
پديدآورندگان :
نورمحمدي خيارك جليل J.nourmohammadi92@ms.tabrizu.ac.ir1 دانشگاه تبريز , فخيمي قشلاق اسماعيل Fakhimi@eyc.ac.ir دانشگاه تهران , هوشيار حسن باروق عسگر Asgar.Housheyar2000@Gmail.com دانشگاه آزاد فردوس , فيضي درخشي محمدرضا Mfeizi@tabrizu.ac.ir دانشگاه تبريز
كليدواژه :
داده بزرگ , بيماري آلزايمر , تشخيص بيماري , كلاس بندي , يادگيري عميق , يادگيري ماشين
عنوان كنفرانس :
سومين كنفرانس ملي محاسبات توزيعي و پردازش داده هاي بزرگ
چكيده فارسي :
تشخيص زودهنگام بيماري در خيلي مواقع نقش اساسي در جلوگيري از پيشرفت بيماري و حتي قطع آن دارد. تشخيص زودهنگام بيماري آلزايمر هم يكي از اين موارد هست كه با به كاري گيري روش هاي جديد يادگيري ماشين اقدام به تشخيص زود هنگام كرده اند. اخيرا، بيماري آلزايمر مبتني بر تصوير برداري عصبي توجه محققان را براي تحقيق در اين زمينه جذب كرده است. چالش اصلي كه در اين مسئله وجود دارد بعد بالاي داده هاي بيماري آلزايمر و كمبود تعداد نمونه هست. يادگيري عميق به مدل هاي كامپيوتري كه از چندين لاية پردازشي تشكيل شده اند اجازه مي دهد تا نمونه هاي داده را با چندين لاية انتزاع بياموزد. روش هاي يادگيري عميق براساس بافته هاي محققان روش هاي موفقي در پردازش داده برزگ مخصوصا در تشخيص بيماري آلزايمر مي باشند. در اين مقاله به بررسي روش هاي مختلف يادگيري عميق در تشخيص زود هنگام بيماري آلزايمر پرداختيم و همچنين معماري هاي مختلفي كه در اين باره به كار گرفته شده است را بررسي كرديم نتايج اين بررسي نشان مي دهد كه با روش هاي جديد يادگيري عميق مي توان سيستم هاي بسيار مناسبي در تشخيص زودهنگام بيماري آلزايمر طراحي و پياده سازي كرد.
