سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

لطفا منتظر بمانید ...

English

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Deep Learning Approaches for Alzheimer’s Disease Diagnosis: A Comprehensive Review

نویسندگان :

Mahdi Jafari Asl¹ Saba Haji Molla Rabie²

1- دانشگاه شاهد-تهران 2- دانشگاه ازاد تهران جنوب

کلمات کلیدی :

Alzheimer’s disease (AD)،Mild Cognitive Impairment (MCI)،Electroencephalography (EEG)،Magnetic Resonance Imaging (MRI)،Deep Learning (DL)،Convolutional Neural Networks (CNNs)،Recurrent Neural Networks (RNN)،Transformers،Multimodal analysis

چکیده :

Alzheimer’s disease (AD) is a progressive neurodegenerative disorder that severely affects memory, cognition, and daily functioning. Early and reliable diagnosis plays a critical role in improving treatment strategies and patient quality of life. In recent years, deep learning (DL) techniques have shown remarkable potential in medical imaging and neurophysiological signal analysis, enabling automated and accurate detection of AD and related conditions such as mild cognitive impairment (MCI) and frontotemporal dementia (FTD). This paper provides a comprehensive review of 17 recent studies published between 2023 and 2025, which applied various DL architectures, including convolutional neural networks (CNNs), recurrent neural networks (RNNs), transformers, and hybrid models, to electroencephalography (EEG), magnetic resonance imaging (MRI), and multimodal datasets. The reviewed works adopted diverse feature extraction strategies such as discrete wavelet transform (DWT), synchrosqueezing, power spectral density (PSD), and intrinsic time-scale decomposition (ITD), combined with advanced classifiers and interpretable AI frameworks. A comparative analysis highlights the strengths and limitations of each approach, dataset availability, and diagnostic accuracy. Finally, key challenges, including limited dataset diversity, lack of interpretability, and generalization issues, are discussed, along with future directions such as explainable AI, federated learning, and multimodal fusion, which hold promise for advancing AD diagnosis.

لیست مقالات

لیست مقالات بایگانی شده

استفاده از هوش مصنوعی در مدیریت منابع انسانی

مهدی محمدی امین - مهدی فرساد - هادی محمدی امین

From Handcrafted to Deep Representations: ReliefF and DANN Feature Fusion for EEG Emotion Classification

Zahra Mahdinezhad - Raheleh Davoodi

The role of artificial intelligence in linking data-driven human resources with sustainable business branding

Baharak Yadegar Jamshidi - Hossein Bodaghi Khajeh Noubar

ارائه یک مدل ترکیبی برای تشخیص بیماری آلزایمر با استفاده از هوش مصنوعی و منطق فازی

مصطفی کامل گاطع

چالش های تحول دیجیتال و هوش مصنوعی در صنعت با رویکرد توسعه پایدار

رضا صبوری - ناصر فقهی فرهمند - سلیمان ایران زاده

تاثیر ویژگی های هیئت مدیره بر ابهام در اطلاعات حسابداری شرکت ها

ابراهیم نویدی عباسپور - سمیه ملازاده طسمالو

بررسی تاثیر مهندسی مالی و مدیریت ریسک بر مدیریت پروژه های ساخت عمرانی

محمد محسنی - جعفر نیکومنش - علی محمدی

Classification of Excitatory and Inhibitory Neurons in Animal Data Using Machine Learning and CNN Models

Mahdi Mollaei - Amirhossein Mashghdoust - Ali Khadem

Microfluidic Generation of Core-Shell Breast Tumor Spheroids for Evaluating Dose-Dependent Responses to Quercetin

Fatemeh Zarei - Mohammad Hashem Molayemat - Amir Shamloo - Mohammad Mehdi Sadeghian

Leveraging Normal White Matter Hyperintensity Context for Enhanced Pathological Segmentation via Multi-Class Deep Learning

Mahdi Bashiri Bawil - Mousa Shamsi - Ali Fahmi Jafargholkhanloo - Abolhassan Shakeri Bavil

بیشتر

19 اردیبهشت 1405

راهنمای انتخاب کنفرانس معتبر برای چاپ مقاله علمی

19 اردیبهشت 1405

چرا شرکت در کنفرانس‌های علمی برای مصاحبه دکتری اهمیت دارد؟

21 اردیبهشت 1405

پذیرش سریع مقاله در کنفرانس‌های علمی مهندسی و فناوری آغاز شد

21 اردیبهشت 1405

آغاز ثبت‌نام در همایش‌های بین‌المللی مدیریت و حسابداری

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.7.0