آکادمی علوم اعصاب ایران

⏳🧠 آلزایمر (Dementia)

یک اختلال پیشرونده مغزی است که تشخیص به‌موقع آن برای مدیریت و درمان مؤثر ضروری می‌باشد. این مطالعه، یک شبکه عصبی پیچشی (CNN) کارآمد و کم‌حجم را برای طبقه‌بندی تصاویر MRI مغز به چهار دسته مرتبط با آلزایمر ارائه می‌دهد. در این راستا، دو رویکرد اصلی جهت بهبود فرآیند تشخیص استفاده شده است:

1. پیش‌پردازش بهینه داده‌ها.

2. طراحی یک معماری سبک، کم‌حجم، و با پیچیدگی پایین برای CNN که به‌طور هم‌زمان دقت بالا، کارایی محاسباتی، و عملکرد مطلوبی ارائه می‌دهد. ✔️📚

📝🔬 مدل پیشنهادی

این مدل به دقت 99.22%، میانگین امتیاز F1 برابر با 0.99، ضریب همبستگی متیو (MCC) برابر با 0.0987، و ضریب کاپای کوهن (CKC) برابر با 0.0987 دست یافته است. علاوه بر دقت، پارامترهایی مانند پیچیدگی مدل، اندازه مدل، زمان پردازش، عملیات نقطه شناور در ثانیه (FLOPs)، و پارامترهای قابل‌آموزش و غیرقابل‌آموزش به‌طور کامل مورد بررسی قرار گرفته‌اند. این مدل با داشتن دقت بالا، کاهش FLOPs، اجرای سریع‌تر، و نیاز به حافظه کمتر، در مقایسه با سایر روش‌های یادگیری عمیق در مطالعات اخیر عملکرد بهتری ارائه داده است. 📈💊🔬🩺

✅ نتیجه‌گیری

مطالعه بر روی مقایسه ویژگی‌های مورفولوژیکی و پاتولوژیکی ریزگردش خون در مغز افراد مسن و مبتلا به آلزایمر نشان می‌دهد:

1. تغییرات قابل‌توجهی در ساختار و عملکرد رگ‌های خونی مغز هر دو گروه مشاهده می‌شود، اما شدت این تغییرات در افراد مبتلا به آلزایمر بیشتر است.

2. این تغییرات شامل کاهش قطر رگ‌ها، افزایش تراکم رگ‌ها در برخی نواحی و کاهش آن در نواحی دیگر، و تغییرات در دیواره رگ‌ها است.

این یافته‌ها اهمیت ریزگردش خون مغزی را در روند پیری و پاتوژنز بیماری آلزایمر نشان داده و می‌توانند به درک بهتر مکانیسم‌های بیماری و توسعه درمان‌های جدید کمک کنند. روش‌های میکروسکوپی و تحلیل تصویر برای ارزیابی این تغییرات به کار رفته و ارتباط بین تغییرات ریزگردش خون و علائم بالینی آلزایمر نیز بررسی شده است. 🧠⏳🩺💊


نویسنده: غزل‌السادات شاه‌ابراهیمی

🆔@ir_neuroacademy

● آکادمی علوم اعصاب ایران

#NeuroUpdates
#نوروساینس_روز

www.group-telegram.com/us/ir_neuroacademy.com/788

887 viewsJan 12 at 05:47

⏳🧠 آلزایمر (Dementia)

یک اختلال پیشرونده مغزی است که تشخیص به‌موقع آن برای مدیریت و درمان مؤثر ضروری می‌باشد. این مطالعه، یک شبکه عصبی پیچشی (CNN) کارآمد و کم‌حجم را برای طبقه‌بندی تصاویر MRI مغز به چهار دسته مرتبط با آلزایمر ارائه می‌دهد. در این راستا، دو رویکرد اصلی جهت بهبود فرآیند تشخیص استفاده شده است:

1. پیش‌پردازش بهینه داده‌ها.

2. طراحی یک معماری سبک، کم‌حجم، و با پیچیدگی پایین برای CNN که به‌طور هم‌زمان دقت بالا، کارایی محاسباتی، و عملکرد مطلوبی ارائه می‌دهد. ✔️📚

📝🔬 مدل پیشنهادی

این مدل به دقت 99.22%، میانگین امتیاز F1 برابر با 0.99، ضریب همبستگی متیو (MCC) برابر با 0.0987، و ضریب کاپای کوهن (CKC) برابر با 0.0987 دست یافته است. علاوه بر دقت، پارامترهایی مانند پیچیدگی مدل، اندازه مدل، زمان پردازش، عملیات نقطه شناور در ثانیه (FLOPs)، و پارامترهای قابل‌آموزش و غیرقابل‌آموزش به‌طور کامل مورد بررسی قرار گرفته‌اند. این مدل با داشتن دقت بالا، کاهش FLOPs، اجرای سریع‌تر، و نیاز به حافظه کمتر، در مقایسه با سایر روش‌های یادگیری عمیق در مطالعات اخیر عملکرد بهتری ارائه داده است. 📈💊🔬🩺

✅ نتیجه‌گیری

مطالعه بر روی مقایسه ویژگی‌های مورفولوژیکی و پاتولوژیکی ریزگردش خون در مغز افراد مسن و مبتلا به آلزایمر نشان می‌دهد:

1. تغییرات قابل‌توجهی در ساختار و عملکرد رگ‌های خونی مغز هر دو گروه مشاهده می‌شود، اما شدت این تغییرات در افراد مبتلا به آلزایمر بیشتر است.

2. این تغییرات شامل کاهش قطر رگ‌ها، افزایش تراکم رگ‌ها در برخی نواحی و کاهش آن در نواحی دیگر، و تغییرات در دیواره رگ‌ها است.

این یافته‌ها اهمیت ریزگردش خون مغزی را در روند پیری و پاتوژنز بیماری آلزایمر نشان داده و می‌توانند به درک بهتر مکانیسم‌های بیماری و توسعه درمان‌های جدید کمک کنند. روش‌های میکروسکوپی و تحلیل تصویر برای ارزیابی این تغییرات به کار رفته و ارتباط بین تغییرات ریزگردش خون و علائم بالینی آلزایمر نیز بررسی شده است. 🧠⏳🩺💊


نویسنده: غزل‌السادات شاه‌ابراهیمی

🆔@ir_neuroacademy

● آکادمی علوم اعصاب ایران

#NeuroUpdates
#نوروساینس_روز

BY آکادمی علوم اعصاب ایران