این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۱، شماره ۳، صفحات ۱-۱۷
عنوان فارسی پیش‌بینی سن مغز مبتنی بر تصاویر fMRI با استفاده از شبکه‌های عصبی‌گرافی و الگوریتم ژنتیک
چکیده فارسی مقاله پیش‌بینی سن مغز با استفاده از تصاویر fMRI و شبکه عصبی گرافیکی از رویکردهای پیشرفته در زمینه تحلیل داده‌های تصویربرداری عصبی است. در این روش، ابتدا از تصاویرfMRI برای استخراج ماتریس ارتباطات کارکردی و ساخت گراف مغزی استفاده می‌شود. سپس با بهره‌گیری از شبکه عصبی‌گرافی GCN-SE، ویژگی‌های مربوط به شبکه‌های مختلف مغز و ارتباطات بین آنها استخراج و برای پیش‌بینی سن استفاده می‌گردد. پس از انجام پیش‌بینی اولیه، برای بهبود دقت پیش‌بینی، از تکنیک اصلاح بایاس سن مغز استفاده می‌شود. این مرحله کمک می‌کند تا سوگیری‌ها در پیش‌بینی‌های سن مغزی تصحیح شده و دقت مدل افزایش یابد. در نهایت، برای شناسایی مهم‌ترین شبکه‌های مغز ، از الگوریتم ژنتیک استفاده می‌گردد. این الگوریتم با جستجوی هوشمند در فضای ممکن، بهینه‌ترین زیرمجموعه از شبکه‌هایی که بیشترین تأثیر را بر پیش‌بینی سن دارند، پیدا می‌کند. نتایج این مقاله با میانگین خطای مطلق2.003و 1.261 بر حسب سال به ترتیب برای تصاویر مغزی مربوط به مردان و زنان نشان داد که این رویکرد قادر به ارائه پیش‌بینی‌های دقیق‌تر و شناسایی شبکه‌های کلیدی مغز در فرآیند پیری است.
کلیدواژه‌های فارسی مقاله پیش بینی سن مغز،تصاویر fMRI،شبکه عصبی گرافی،الگوریتم ژنتیک،
عنوان انگلیسی Brain Age Prediction based on fMRI images using Graph Neural Networks and Genetic Algorithm
چکیده انگلیسی مقاله Brain age prediction using fMRI images and graph neural networks is an advanced approach in the field of neuroimaging data analysis. In this method, fMRI images are initially used to extract the functional connectivity matrix and construct the brain graph. Then, using the Graph Convolutional Network with Self-Embedding (GCN-SE), features related to different brain networks and their interconnections are extracted and used for age prediction. After the initial prediction, the brain age bias correction technique is applied to improve prediction accuracy. This step helps to correct any biases in the brain age predictions and increases the model's accuracy. Finally, genetic algorithms are employed to identify the most important brain networks. This algorithm uses intelligent searching in the possible space to find the optimal subset of networks that have the greatest impact on age prediction. The results of this study, with an average absolute error of 2.003 and 1.261 years for brain images of men and women, respectively, demonstrate that this approach can provide more accurate predictions and identify key brain networks involved in the aging process.
کلیدواژه‌های انگلیسی مقاله پیش بینی سن مغز,تصاویر fMRI,شبکه عصبی گرافی,الگوریتم ژنتیک
نویسندگان مقاله نسترن حسن زاده |
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران

محمد صنیعی آباده |
گروه مهندسی کامپیوتر (هوش مصنوعی)، داﻧﺸـﮑﺪه مهندسی ﺑـﺮق و ﮐـﺎﻣﭙﯿﻮﺗﺮ، دانشگاه تربیت مدرس، تهران، ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_214006_8bf8e2bac889442681d6df3c859d05d0.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات