<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>موسسه انتشارات بین المللی چتر اندیشه</PublisherName>
      <PublisherNameVernacular>موسسه انتشارات بین المللی چتر اندیشه</PublisherNameVernacular>
      <JournalTitle>Journal of New Achievements in Humanities  Studies  (Jonahs)</JournalTitle>
      <JournalTitleVernacular>مجله دستاوردهای نوین در مطالعات علوم انسانی</JournalTitleVernacular>
      <Issn>2588-6967</Issn>
      <Volume>8</Volume>
      <Issue>89</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>09</Month>
        <Day>18</Day>
      </PubDate>
    </Journal>

    <VernacularTitle>عملکرد نورون های عصبی مغز بر روی الزایمر و تاثیر و تشخیص زود هنگام بیماری الزایمر با استفاده هوش مصنوعی</VernacularTitle>

    <FirstPage>71</FirstPage>
    <LastPage>83</LastPage>
    <ELocationID EIdType="doi"></ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>نرگس</FirstName>
        <LastName>عبدالعباس</LastName>
        <Affiliation>دانشجوی کارشناسی ارشد، روانشناس، دانشگاه تهران، ایران</Affiliation>
        <VernacularFirstName>نرگس</VernacularFirstName>
        <VernacularLastName>عبدالعباس</VernacularLastName>
        <VernacularAffiliation>دانشجوی کارشناسی ارشد، روانشناس، دانشگاه تهران، ایران</VernacularAffiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year>2025</Year>
        <Month>05</Month>
        <Day>12</Day>
      </PubDate>
    </History>

    <OtherAbstract Language="FA">پژوهش حاضر به تشخیص زودهنگام بیماری آلزایمر با استفاده از ترکیب داده های تصویربرداری پزشکی (MRI) و تصاویر میکروسکوپی بافت مغزی و داده های آزمایش خون حاوی نشانگرهای زیستی مرتبط اختصاص دارد. با بهره گیری از الگوریتم های یادگیری عمیق مانند شبکه های عصبی کانولوشنی (CNN) و الگوریتم های ترکیبی مانند XGBoost، ویژگی های مهم و مرتبط با ساختار نورون ها استخراج و تحلیل شدند. مدل توسعه یافته با دقت ۹۲٪، حساسیت ۸۹٪، ویژگی ۹۴٪ و مساحت زیر منحنی ROC برابر با ۰.۹۵ توانست عملکرد قابل قبولی در تمایز بیماران مبتلا از افراد سالم ارائه دهد. همچنین توسعه نرمافزار نیمه خودکار با رابط کاربری مناسب، کاربرد عملی این روش را در محیط های بالینی فراهم می کند. نتایج این پژوهش نشان دهنده پتانسیل بالای هوش مصنوعی در بهبود تشخیص و مدیریت بیماری آلزایمر است که می تواند به پیشگیری و درمان مؤثرتر کمک کند.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword"><Param Name="value_vernacular">آلزایمر</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">تصویر برداری</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">زود هنگام</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">هوش مصنوعی</Param></Object>
      <Object Type="keyword"><Param Name="value">آلزایمر</Param></Object>
      <Object Type="keyword"><Param Name="value">تصویر برداری</Param></Object>
      <Object Type="keyword"><Param Name="value">زود هنگام</Param></Object>
      <Object Type="keyword"><Param Name="value">هوش مصنوعی</Param></Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">https://www.jonahs.ir/downloadfilepdf/10458046</ArchiveCopySource>
  </Article>
</ArticleSet>