پیش‌بینی بیماری آلزایمر با استفاده از الگوریتم‌های انتخاب ویژگی محاسبات نرم و بر پایه rs-fmri و smri

بیماری آلزایمر (ad)، یک بیماری پیشرفته و غیرقابل‌برگشت است که اغلب در افراد مسن رخ می‌دهد و به‌تدریج مناطق مغز را که مسئول حافظه، تفکر، یادگیری و رفتار هستند، از بین می‌برد. در این مقاله پیش‌بینی ad  بر اساس تصاویر rs-fmri و smri بررسی می‌شود. در این مطالعه سه الگوریتم انتخاب ویژگی بر اساس روش محاسبات نرم ارائه شده، که طبقه‌بندی mci-c از mci-nc با آموزش و آزمایش الگوریتم svm انجام می‌شود. این اولین مطالعه‌ای است که از ادغام rs-fmri و smri برای پیش‌بینی ad استفاده کرده است. نتایج حاصل از این مطالعه می‌تواند به مناطق شناخته شده مغز (عملکردی و ساختاری) که در بیماری آلزایمر دچار اختلال شده‌اند، منجر شود. علاوه بر این، روش nbs بر روی تقسیم‌بندی‌های عملکردی مغز، برای جداسازی mci-c از mci-nc و تشخیص زیر شبکه‌هایی که دارای قابلیت تشخیصی برای پیش‌بینی ad هستند، به کار گرفته شده است.

Predicting Alzheimer’s Disease using Soft Computing Feature selection algorithms and Based on rs-fMRI and sMRI

Alzheimer’s disease (AD), a progressive, irreversible neurodegenerative disorder, occurs most frequently in older adults and gradually destroys regions of the brain that are responsible for memory, thinking, learning, and behavior. In this paper, AD prediction is investigated based on rsfMRI and sMRI analysis. Three feature selection algorithms based on soft computing method has been proposed to classify MCIC from MCINC through training SVM. This is the first study used to integrate rsfMRI and sMRI for AD prediction. The results refer to the significant brain areas (functional and structural) impaired in AD. Furthermore, NBS method on brain functional parcellations has been utilized for separating MCIC from MCINC and detecting the discriminative ability networks for AD prediction.