الهام عسکری

مقدمه: بیماری آلزایمر یک بیماری مغزی پیش رونده و غیرقابل برگشت است که به آرامی حافظه و قدرت تفکر را از بین برده و حتی توانایی انجام کارهای ساده را از فرد می گیرد. تشخیص زودهنگام آلزایمر می تواند به بیماران مبتلا به این بیماری کمک کند تا با تغییر سبک زندگی خود روند پیشرفت این بیماری را کاهش دهند. بررسی تصاویر MRI، به تشخیص بیماری آلزایمر کمک شایانی می کند. روش کار: در این مقاله به تشخیص زودهنگام بیماری آلزایمر با استفاده از تصاویر MRI به کمک شبکه عصبی کانولوشنی و منطق فازی پرداخته می شود. در این راستا، پس از استخراج ویژگی های مناسب از تصاویر MRI، از شبکه عصبی کانولوشنی استفاده خواهد شد. به منظور بهبود دقت روش پیشنهادی، از یک لایه فازی بین لایه ادغام و لایه کاملا هم بند استفاده می شود تا با بهره گرفتن از درجه تعلق داده ها به هر کدام از دو دسته، باعث تشخیص دقیق افراد سالم و مبتلا به آلزایمر شود. یافته ها: نتایج آزمایشات نشان می دهد که روش پیشنهادی به ترتیب با دقت، صحت، فراخوانی و آماره F، 61/99، 51/96، 32/95 و 61/95 نسبت به دیگر روش ها از کارایی بهتری برخوردار است. نتیجه گیری: نتیجه گیری می شود که مدل پیشنهادی با استفاده از شبکه عصبی کانولوشنی از دقت بالایی در تشخیص بیماری آلزایمر برخوردار است به علاوه استفاده از دسته بندی فازی دقت مدل را به طور قابل توجهی افزایش داده است.

مقدمه: احساسات پدیده های متغیر با زمانی هستند که به عنوان پاسخی به محرک ها ایجاد می شوند. در راستای تشخیص احساس به صورت پیوسته می توان از پاسخ سیگنال های مغزی و حالت های چهره به محرک ویدیویی استفاده کرد. به این صورت که مجموعه ای از فیلم های محرک برای بینندگان به نمایش گذاشته می شود و همزمان سیگنال های مغزی و حالت های چهره آنها به طور پیوسته ضبط می گردد و سطح ظرفیت آنها (احساسات منفی تا مثبت) ثبت می شود. روش کار: هدف از این پژوهش، شناخت احساسات انسانی با استفاده از تحلیل سیگنال های الکتروانسفالوگرافی بود. در این مطالعه، برای تشخیص احساسات با استفاده از شبکه عصبی کانولوشنال فازی که ویژگی های بهینه و موثر را خود از سیگنال الکتروانسفالوگرافی انتخاب می کند جهت تشخیص و بازشناسی حالات هیجانی افراد مختلف ارائه می شود. در روش پیشنهادی ابتدا سیگنال الکتروانسفالوگرافی به باندهای مختلف آلفا، بتا و گاما تجزیه شده و سپس عمل تشخیص هوشمند انجام خواهد شد. یافته ها: نتایج آزمایشات نشان می دهد که حالت آرامش و خستگی در باند آلفا بهتر و به ترتیب با دقت 2/94 درصد و 8/78 درصد بازشناسی می شود. در باند گاما شادی بهتر و با دقت 2/92 درصد شناسایی می شود و در نهایت در باند بتا، ترس با دقت 3/92 درصد بازشناسی خواهد شد. نتیجه گیری: دیده می شود که مدل پیشنهادی با استفاده از شبکه عصبی کانولوشنال از دقت بالایی در بازشناسی احساسات برخوردار است همچنین استفاده از منطق فازی در روش پیشنهادی دقت بازشناسی را در کلیه باندها بالا برده است.

مقدمه : اوتیسم از جمله بیماری های نافذ رشد در دوران کودکی است که در ارتباطات، درک و شناخت افراد اختلال ایجاد می کند. مطالعاتی که در مورد اتصالات نواحی مغز افراد انجام شده، حاکی از آن است که در اتصالات مغز افراد مبتلا به اوتیسم، نابهنجاری هایی وجود دارد.هدف استخراج و مطالعه ی اطلاعات مربوط به بیماری های نوروفیزیولوژیک، به منظور مشخص کردن دقیق نواحی دچار اختلالات مغزی با استفاده از پردازش سیگنال های الکتروانسفالوگرافی. روش : در این مقاله، با استفاده از ویژگی های استخراج شده از سیگنال های ثبت شده ی کودکان سالم و مبتلا به اوتیسم ( شامل تبدیل ویولت، آنتروپی و انرژی )، مدلی مبتنی بر کارکرد مغز این کودکان ارائه شده که قادر است سازمان دهی و اتصالات نواحی مغزی آنها را نمایش دهد. این مدل که با استفاده از شبکه های عصبی سلولی طراحی شده، کارکرد مغز را نشان می دهد. یافته ها : نتایج نشان می دهند که اتصالات درون ناحیه ای نیم کره ی چپ مغز کودکان مبتلا به اوتیسم با کودکان سالم تفاوت هایی دارد که این تفاوت در نواحی F3 ، P7 ، AF3 ، AF4 و O1 معنادار است. همچنین ارتباط کم نواحی لوب پیشانی و گیجگاهی با ناحیه ی لوب مرکزی و تعاملات کمتر نواحی همسایه نیز کاملا" مشهود است. نتیجه گیری: نتایج کمی به دست آمده، برخی فرضیات بیان شده در مورد مبتلایان به اوتیسم را تأیید می کند که یکی از این فرضیات این است که علیرغم سالم بودن اجزای مختلف مغز این افراد، نحوه ی تعامل و اتصالات مغزی آنها تفاوت دارد.