Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
1,084,550

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " بازنمایی ویژگی¬های سلسله¬مراتبی و ترکیب مالتی مودال، با استفاده از یادگیری عمیق برای تشخیص AD/MCI " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
بازنمایی ویژگی¬های سلسله¬مراتبی و ترکیب مالتی مودال، با استفاده از یادگیری عمیق برای تشخیص AD/MCI
نویسنده/ناشر/نام مجله :
NeuroImage
سال انتشار
2014
کد محصول
1013072
تعداد صفحات انگليسی
14
تعداد صفحات فارسی
45
قیمت بر حسب ریال
995,000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
4 مگا بایت
تصویر پیش فرض



چکیده

در ده سال گذشته، نشان داده شده است که تصویربرداری عصبی یکی از ابزار بالقوه برای تشخیص بیماری آلزایمر (یا به اصطلاح AD) و مراحل پیش ­درآمد آن و تشخیص اختلال شناختی خفیف (یا به اصطلاح MCI) است و همچنین تلفیقی از روش ­های مختلفی است که می­تواند اطلاعات تکمیلی بیشتری را برای افزایش دقت تشخیص ارائه نمایند. در اینجا ما با استفاده از تصویربرداری رزونانس مغناطیسی (یا به اصطلاح MRI) و توموگرافیِ تابش پوزیترون (یا به اصطلاح PET)، بر روی دو موضوع بازنمایی ویژگی و همجوشی اطلاعات مالتی مودال تمرکز می­کنیم. ما به منظور دستیابی به بهترین سطح دانش، روش ­هایی که در پژوهش­ های قبلی بیشتر مورد استفاده قرار گرفته ­اند را به کار می­بریم و از ویژگی­ هایی همچون ضخامت قشر مغز، تراکم ماده خاکستری در MRI، شدت وکسل در PET و همچنین ترکیبی از این ویژگی­های مالتی­ مودال (این ویژگی­ها را می­توان به سادگی و با الحاق به یک بردار بزرگ و یا با انتقال به یک فضای کرنل با ابعاد بالا، ترکیب نمود) استفاده می­کنیم. در این مقاله، ما برای سطح بالایی از نهفتگی و بازنمایی ویژگی­های به اشتراک گذاشته شده از روی روش­ های تصویربرداری عصبی، روش جدیدی را بر مبنای یادگیری عمیق ارائه می­دهیم. ما بطور خاص از ماشین بولتزمن عمیق (یا به اختصار DBM) استفاده می­کنیم؛ یک شبکه عمیق از یک ماشین بولتزمن محدود برای یافتن بازنمایی ویژگی­های سلسله مراتبی مخفی از روی یک تکه سه بعدی استفاده می­کند، و سپس با استفاده از یک DBM مالتی­ مودال به ایجاد یک روش سیستماتیک برای بازنمایی ویژگی­ های مشترک براساس تکه­ های جفت شده­ ی MRI و PET می­پردازد. برای ارزیابی تأثیر روش پیشنهاد شده، ما آزمایشاتمان را با استفاده از مجموعه ­داده ADNI انجام دادیم و نتایج این آزمایشات را با جدیدترین روش­های موجود مقایسه کردیم.

در سه مسأله­ ی دسته ­بندی باینری:

AD در مقایسه با NC (یا کنترل سلامت)؛

MCI در مقایسه با NC؛

MCI تبدیل یافته در مقایسه با MCI غیرتبدیل یافته؛

ما به ترتیب به حداکثر دقت 93.35%، 85.67% و 74.58% دسا یافته­ ایم، که عملکرد بهتری نسبت به روش­های رقیب داشته است. حتی با نگاه کردن به مدل آموزش دیده شده، نتیجه می­گیریم که روش ارائه شده می­تواند سلسله­ مراتب الگوهای نهفته­ ی پیچیده در هر دوی MRI و PET را کشف کند.

1-مقدمه

بیماری آلزایمر که با اختلال پیشرونده در عملکردهای شناختی و حافظه شناخته شده است، یکی از شایع­ترین عوامل زوال عقل در افراد مسن است. با توجه به گزارشی که اخیراً توسط انجمن آلزایمر منتشر شده است، هر ساله تعداد مبتلایان به آلزایمر در حال افزایش است؛ 10 تا 20% از افراد بالای 65 سال یا حتی مسن­تر، دارای MCI یا اختلالات خفیف شناختی هستند که به ­عنوان یک مرحله­ ی پیش ­درآمد آلزایمر محسوب می­شود. با این حال با توجه به اینکه دوره­­ ی زمانی­ که درمان­ های سیمپتوماتیک می­توانند مؤثر باشند، محدود است پس تشخیص زودهنگام آلزایمر یا پیش­آگهی های آن در کلینیک اهمیت بسیار بالایی دارد....

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:


Alzheimer's Disease
Mild Cognitive Impairment
Multimodal data fusion

ثبت سفارش جدید