ارائه کننده: امیررضا نظری

استاد راهنما: دکتر محمد صنیعی آباده

استاد مشاور اول: دکتر نصراله مقدم چرکری

استاد ناظر داخلى : دکتر مهدی رعایائی اردکانی

 استاد ناظر خارج از دانشگاه: دکتر هدیه ساجدی (دانشکاه تهران)

تاریخ: ۱۴۰۵/۰/۴/۰۶

ساعت:۱۰:۳۰

مکان:اتاق شیشه ای دانشکده مهندسی کامپیوتر

چکیده:

بیماری آلزایمر یکی از شایع‌ترین اختلالات نورودژنراتیو است که با افت تدریجی توانایی‌های شناختی و تغییرات ساختاری در مغز همراه است. تصویربرداری تشدید مغناطیسی سه‌بعدی، به دلیل توانایی در نمایش الگوهای آتروفی و تغییرات آناتومیکی، یکی از منابع مهم برای تشخیص رایانه‌ای این بیماری محسوب می‌شود. با وجود پیشرفت شبکه‌های عصبی پیچشی سه‌بعدی در تحلیل تصاویر پزشکی، این مدل‌ها معمولاً با چالش‌هایی مانند تعداد محدود نمونه‌ها، خطر بیش‌برازش، هزینه محاسباتی بالا و ضعف تفسیرپذیری مواجه هستند.

 در این پژوهش، یک چارچوب توضیح‌پذیر و پایداری‌آگاه برای تشخیص بیماری آلزایمر از افراد شناختی سالم بر اساس تصاویر MRI ساختاری سه‌بعدی ارائه شده است. در روش پیشنهادی، ابتدا نواحی مغزی با استفاده از اطلس هاروارد-آکسفورد تعریف شده و مدل کانولوشنال سه‌بعدی برای طبقه‌بندی تصاویر آموزش داده می‌شود. سپس با استفاده از روش انتشار ارتباط لایه‌به‌لایه، نقشه‌های relevance تولید شده و اهمیت وکسل‌ها در سطح نواحی آناتومیکی تجمیع می‌گردد. برای کاهش وابستگی به یک مدل منفرد، امتیاز هر ناحیه بر اساس میانه اهمیت و جریمه ناپایداری با فاصله میان‌چارکی محاسبه می‌شود. در ادامه، ناحیه دارای کمترین امتیاز پایداری به‌صورت بازگشتی حذف شده و حجم باقی‌مانده فشرده‌سازی می‌شود. نتایج نشان دادند که روش پیشنهادی علاوه بر حفظ عملکرد تشخیصی، امکان شناسایی نواحی پایدار و کم‌اهمیت را فراهم می‌کند. بهترین عملکرد در گام ۲۷ ناحیه با دقت 92.18±5.56 درصد، precision برابر 93.65±6.06 درصد، recall برابر 91.46±10.00 درصد، AUC برابر 94.94±3.94 درصد به دست آمد.