پیش‌بینی بیماری آلزایمر با استفاده از الگوریتم ادغام DCA بر پایة تصاویر rs-fMRI و sMRI

پیش­بینی بیماری آلزایمر بر‌اساس تجزیه و تحلیل شبکة مغز، موضوع بسیاری از مطالعات شده است. هدف ما شناسایی تغییرات در مغز بیمارانی است که از اختلال خفیف شناختی، دچار آلزایمر شده­اند یا دچار آلزایمر نشده­اند، برای ارائة الگوریتمی برای طبقه­بندی این بیماران با استفاده از روش تئوری 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 شبیه‌سازی، دقت 167/87 درصد برای پیش‌بینی بیماری آلزایمر با استفاده از تجزیه و تحلیل همبستگی متمایز و طبقه‌بندی‌کنندة ماشین بردار پشتیبان به‌دست آمد. همچنین تجزیه و تحلیل روی گره­های مهم مغز (هاب­ها) را انجام دادیم و تعدادی از نقاط مهم مغز در بیماران آلزایمری پیشرونده را پیدا کردیم. در حقیقت، این پژوهش، اولین مطالعة­ شناختی با استفاده از ادغام تصویر‌برداری 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 داده­های تصویر‌برداری rs-fMRI و sMRI، را برای تشخیص پیشرفت بیماری در مراحل اولیه تأکید می­کند.