[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
صفحه اصلی::
مدیریت دانشکده::
درباره دانشکده::
معرفی افراد::
امور آموزش ::
امور پژوهش::
اخبار دانشکده::
فضاهای آموزشی و تحقیقاتی::
تسهیلات پایگاه::
ارتباط با صنعت::
لینک های مفید::
تماس با ما::
گروه های دانشجویی::
::
مصاحبه تخصصی دکترای برق 98
98
..
مراکز تحقیقاتی و پزوهشی
مرکز تست و پایش ماشین های الکتریکی

مرکز تحقیقات نانوپترونیکس 

پژوهشکده سبز  

پژوهشکده الکترونیک 

آزمایشگاه تحقیقاتی الکترونیک قدرت 

قطب علمی اتوماسیون و بهره برداری از سیستمهای قدرت 

مجله مهندسی برق و الکترونیک 

پژوهشکده مهندسی و فناوری عصبی ایران  

آزمایشگاه تحقیقاتی آنتن 

مرکز مطالعات راهبردی وبین الملل فاوا

..
پیوند با سیستم های دانشگاه

AWT IMAGE
AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

..
گواهینامه HSE
..
جستجو در پایگاه

جستجوی پیشرفته
..
نظرسنجی
کدام بخش از سایت دانشکده مهندسی برق بیشتر مورد استفاده شما قرار می گیرد؟
آموزش و اطلاعیه های آموزشی
پژوهش و اطلاعیه های پژوهشی
اطلاعات دانشکده و اساتید
اخبار
اکثر موارد موجود در سایت
   
..
نظرسنجی
ارزیابی شما از سایت دانشکده مهندسی برق چیست؟
اطلاعات ارائه شده در حد کفایت است.
اطلاعات ارائه شده مطلوب است ولی نیاز به اطلاعات بیشتر می باشد.
اطلاعات ارائه شده کافی نیست.
   
..
درج نظر
به نظر شما کمبودهای سایت دانشکده برق چیست و برای رفع آن ها چه اقداماتی باید انجام شود؟ برای درج نظر کلیک نمایید.
..
:: دفاعیه خانم نوشین اجتهادی ::
 | تاریخ ارسال: 1398/6/23 | 
چکیده
برخی اختلالات ناشی از آسیب یا خدشه به مغز را می¬توان با پردازش تصویر حاصل ازتصویربرداری تانسور انتشار (DTI) با دید ساختاری مشاهده نمود. بنابراین، پیشرفت در تصاویر DTI و کامل تر نمودن دانش ارتباطات مغز انسان می تواند برای تشخیص زودهنگام برخی بیماری ها، مانند بیماری آلزایمر کمک بزرگی باشد. با توجه به این که علی رغم پیشرفت های علم پزشکی، تاکنون تشخیص و درمان دقیقی برای بیماری آلزایمر وجود ندارد، می توان نتیجه گرفت که راه کارهایی مانند یافتن طبقه بند مناسب و دقیق جهت تشخیص زودتر بیماری، از اهمیت زیادی برخوردار است. در این پروژه، ابتدا بر روی ۶۰ داده (۲۰ داده برای هر یک از گروه های افراد سالم (CNs)، بیماران دچار اختلالات شناختی خفیف (MCIs) و آلزایمر (ADs) به تعداد مساوی زن و مرد) از پایگاه داده «adni.loni.usc.edu» و با استفاده از نرم افزار ExploreDTI پیش پردازش انجام شد. سپس بین دو گروه ADs و CNs برای ویژگی های ناهمسان گردی کسری (FA)، نفوذپذیری متوسط (MD)، نفوذپذیری شعاعی (RD) و حجم مغز و بین دو گروه ADs و CNs برای هر یک از جنسیت های زن و مرد به صورت مجزا، بین رشته های مغزی در یک امتداد برای بخش آهیانه و بر روی سه ویژگی گرافی مستخرج از جعبه ابزار اتصالات مغز (BCT) بر اساس تئوری گراف تحلیل های آماری انجام شد. ابتدا نرمال بودن داده ها توسط آزمون آماری کولموگروف اسمیرنوف بررسی شد و نشان از نرمال نبودن داده ها بود. سپس برای تشخیص میزان معنی دار بودن تفاوت در نواحی مختلف مغز بین دو گروه، از آزمون ویلکاکسون رتبه علامت دار و بین سه گروه، از آزمون کروسکال والیس استفاده شد. باتوجه به هدف اصلی پروژه، بر اساس ویژگی های منتخب شبکه مغز، چند طبقه بند ماشین بردار پشتیبان (SVM) ساخته شد. بنابراین، نتایجی برابر با ۳۳/۶۳ %، ۰۰/۶۵ % و ۸۳/۶۵ % به دست آمد که با توجه به صحت گزارش شده در مقالات تا ۹۰/۶۱ % نتایج بهتری محسوب می شود و می تواند تمایز دقیق تری بین سه گروه CNs، MCIs و ADs به صورت هم زمان ایجاد کند. الگوریتم پروژه در قالب یک فلوچارت و کارهای پیشنهادی در آینده نیز در پروژه آورده شده است.
واژه‌های کلیدی: پردازش تصویر، DTI، شبکه مغز، BCT، تئوری گراف، SVM، MCIs، ADs
دفعات مشاهده: 147 بار   |   دفعات چاپ: 23 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر

کلیه حقوق مادی و معنوی این سایت متعلق به دانشکده مهندسی برق دانشگاه علم و صنعت ایران می باشد . نقل هرگونه مطلب با ذکر منبع بلامانع می باشد .
Persian site map - English site map - Created in 0.14 seconds with 54 queries by YEKTAWEB 4044