تکنیک های مختلف انتخاب ویژگی و الگوریتم های یادگیری ماشین جهت تشخیص و پیش بینی زودهنگام بیماری آلزایمر

چکیده مقاله

علیرغم سالها تحقیق روی بیماری آلزایمر، تاکنون درمان موثری که بتواند روند بیماری را به حالت قبل از شروع بیماری بازگرداند، ارائه نشده است از این رو تشخیص زودرس بیماری حائز اهمیت ویژه ای است، چرا که با مداخله های رفتاری شناخته شده فعلی، ممکن است بتوان از بروز علائم شدید آلزایمر در فرد جلوگیری کرد استفاده از الگوریتم های یادگیری ماشین یکی از مرسوم ترین روشها در فرآیندهای مختلف پیشبینی بیماریها، در علم پزشکی می باشند بیشترمدلهای یادگیری ماشین سنتی، به شناسایی بیماری آلزایمر با استفاده از فضای ویژگی و ابعاد محدود کمک میکنند هر چند این مدل ها برای ویژگی های با ابعاد بالا به دلیل پراکندگی، قابل استفاده نیستند اخیرا چندین روش برای پیش بینی بیماری آلزایمربا استفاده از طبقه بندی و خوشه بندی در ابعاد بالا، برای پیش بینی خودکار بیماری آلزایمر ارائه شده اند انتخاب مولفه، نقش مهمی در بهبود عملکرد این برنامه ها دارد از این رو، اشکال مختلف تکنیکهای انتخاب ویژگی در این مقاله تحلیل میشوند هدف این مقاله شامل یک بررسی اجمالی تحلیلی و بررسی استراتژیک آخرین کارهای تحقیقاتی انجام شده با استفاده از استراتژی های یادگیری ماشین برای تشخیص زودهنگام بیماری آلزایمر است

کلیدواژه‌ها

نویسندگان

منصوره اسماعیلی

دانشکده مهندسی کامپیوتر دانشگاه ابرار – تهران ایران

محمدابراهیم شیری

دانشکده ریاضی و علوم کامپیوتر دانشگاه امیر کبیر – تهران –ایران

�سماعیلی، منصوره و شیری، محمدابراهیم،1401،تکنیک های مختلف انتخاب ویژگی و الگوریتم های یادگیری ماشین جهت تشخیص و پیش بینی زودهنگام بیماری آلزایمر،هفتمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام31 شهریور 1401 · تهران