ترجمه فارسی مقاله بررسی شبکه مغزی در بیماری آلزایمر با استفاده از روش تئوری گراف مبتنی بر موجک

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Study of Brain Network in Alzheimers Disease Using Wavelet-Based Graph Theory Method
عنوان مقاله به فارسی بررسی شبکه مغزی در بیماری آلزایمر با استفاده از روش تئوری گراف مبتنی بر موجک
نویسندگان Ali Khazaee, Abdolreza Mohammadi, Ruairi Oreally
فرمت مقاله انگلیسی PDF
تعداد صفحات 50
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Neurons and Cognition,Machine Learning,نورون و شناخت , یادگیری ماشین ,
توضیحات Submitted 6 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 6 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Alzheimer's disease (AD) is a neurodegenerative disorder marked by memory loss and cognitive decline, making early detection vital for timely intervention. However, early diagnosis is challenging due to the heterogeneous presentation of symptoms. Resting-state fMRI (rs-fMRI) captures spontaneous brain activity and functional connectivity, which are known to be disrupted in AD and mild cognitive impairment (MCI). Traditional methods, such as Pearson's correlation, have been used to calculate association matrices, but these approaches often overlook the dynamic and non-stationary nature of brain activity. In this study, we introduce a novel method that integrates discrete wavelet transform (DWT) and graph theory to model the dynamic behavior of brain networks. By decomposing rs-fMRI signals using DWT, our approach captures the time-frequency representation of brain activity, allowing for a more nuanced analysis of the underlying network dynamics. Graph theory provides a robust mathematical framework to analyze these complex networks, while machine learning is employed to automate the discrimination of different stages of AD based on learned patterns from different frequency bands. We applied our method to a dataset of rs-fMRI images from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database, demonstrating its potential as an early diagnostic tool for AD and for monitoring disease progression. Our statistical analysis identifies specific brain regions and connections that are affected in AD and MCI, at different frequency bands, offering deeper insights into the disease's impact on brain function.

چکیده به فارسی (ترجمه ماشینی)

بیماری آلزایمر (AD) یک اختلال عصبی است که توسط از دست دادن حافظه و کاهش شناختی مشخص می شود و تشخیص زودرس برای مداخله به موقع بسیار مهم است.با این حال ، تشخیص زودرس به دلیل ارائه ناهمگن علائم چالش برانگیز است.حالت استراحت FMRI (RS-FMRI) فعالیت خود به خود مغز و اتصال عملکردی را ضبط می کند ، که در AD و اختلال شناختی خفیف (MCI) مختل می شود.از روشهای سنتی ، مانند همبستگی پیرسون ، برای محاسبه ماتریس های ارتباط استفاده شده است ، اما این رویکردها اغلب از ماهیت پویا و غیر ثابت فعالیت مغز غافل می شوند.در این مطالعه ، ما یک روش جدید را معرفی می کنیم که ادغام تبدیل موجک گسسته (DWT) و تئوری نمودار برای مدل سازی رفتار پویا شبکه های مغزی است.با تجزیه سیگنال های RS-FMRI با استفاده از DWT ، رویکرد ما بازنمایی فرکانس زمان فعالیت مغز را ضبط می کند و امکان تجزیه و تحلیل ظریف تر از پویایی شبکه اساسی را فراهم می آورد.تئوری نمودار یک چارچوب ریاضی قوی برای تجزیه و تحلیل این شبکه های پیچیده فراهم می کند ، در حالی که یادگیری ماشین برای خودکار سازی تبعیض مراحل مختلف AD بر اساس الگوهای آموخته شده از باند های فرکانس مختلف استفاده می شود.ما روش خود را به یک مجموعه داده از تصاویر RS-FMRI از پایگاه داده Neuroimaging بیماری آلزایمر (ADNI) استفاده کردیم و پتانسیل آن را به عنوان یک ابزار تشخیصی اولیه برای AD و نظارت بر پیشرفت بیماری نشان داد.تجزیه و تحلیل آماری ما مناطق خاص مغز و اتصالات را که در AD و MCI تحت تأثیر قرار می گیرند ، در باند های مختلف فرکانس مشخص می کند و بینش های عمیق تری در مورد تأثیر بیماری بر عملکرد مغز ارائه می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.