پیش بینی بیماری آلزایمر با استفاده از الگوریتم ادغام DCA بر پایه تصاویر rs-fMRI و sMRI

پیش بینی بیماری آلزایمر بر اساس تجزیه و تحلیل شبکه مغز، موضوع بسیاری از مطالعات شده است. هدف ما شناسایی تغییرات در مغز بیمارانی است که از اختلال خفیف شناختی، دچار آلزایمر شده اند یا دچار آلزایمر نشده اند، برای ارایه الگوریتمی برای طبقه بندی این بیماران با استفاده از روش تیوری گراف و اطلاعات آماری. در این الگوریتم، تجزیه و تحلیل همبستگی متمایز را پیشنهاد کردیم و روش ادغام در سطح ویژگی برای تشخیص بیومتریک اعمال شد. با توجه به نتایج شبیه سازی، دقت 167/87 درصد برای پیش بینی بیماری آلزایمر با استفاده از تجزیه و تحلیل همبستگی متمایز و طبقه بندی کننده ماشین بردار پشتیبان به دست آمد. همچنین تجزیه و تحلیل روی گره های مهم مغز (هاب ها) را انجام دادیم و تعدادی از نقاط مهم مغز در بیماران آلزایمری پیشرونده را پیدا کردیم. در حقیقت، این پژوهش، اولین مطالعه شناختی با استفاده از ادغام تصویر برداری تشدید مغناطیسی حالت استراحت (rs-fMRI) و تصویربرداری تشدید مغناطیسی ساختاری (sMRI) برای تشخیص تبدیل از اختلال شناختی خفیف به بیماری آلزایمر است. روش پیشنهادی، بر پتانسیل استفاده از داده های تصویر برداری rs-fMRI و sMRI، را برای تشخیص پیشرفت بیماری در مراحل اولیه تاکید می کند.