لطفا منتظر بمانید ...
0% Complete
English
☰
صفحه اصلی
کنفرانسهای فعال
مدیریت منابع انسانی پایدار
حسابداری
بازاریابی و برندینگ در عصر هوش مصنوعی
هوش مصنوعی:نوآوری، کسبوکار و آموزش
ارشیو کنفرانسها
اولین کنفرانس ملی هوش مصنوعی
دومین کنفرانس ملی هوش مصنوعی
اولین کنگره ملی حسابداری، مالی و مالیاتی
32کنفرانس بین المللی زیست پزشکی
راهنمای شرکت
نحوه ثبتنام
ثبت نام مدیریت منابع انسانی پایدار
ثبت نام دومین کنگره ملی حسابداری
ثبت نام سومین کنفرانس ملی هوش مصنوعی
ثیت نام بازاریابی و برندینگ در عصر هوش مصنوعی
ثبت نام زنجیره ارزش نفت گاز و پتروشیمی
ارسال مقاله
فرمت مقالات مدیریت منابع انسانی پایدار
فرمت مقالات سیستم های هوشمند حسابداری
فرمت مقالات ملی بازاریابی و برندینگ در عصر هوش مصنوعی
فرمت مقالات سومین کنفرانس هوش مصنوعی
سوالات متداول
اخبار و رویدادها
درباره ما
تماس با ما
صفحه اصلی
/
دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی
Early Alzheimer’s Detection with MRI-Based Deep Convolutional Neural Networks and Transfer Learning
نویسندگان :
Tabasom Musavi
1
M. J. Tarokh
2
1- دانشگاه صنعتی خواجه نصیرالدین طوسی
2- دانشگاه صنعتی خواجه نصیرالدین طوسی
کلمات کلیدی :
Alzheimer’s disease،transfer learning, MRI،convolutional neural networks
چکیده :
Alzheimer’s disease (AD) is a progressive neurodegenerative disorder that lacks a definitive cure and imposes a growing burden on healthcare systems. Early and accurate detection is essential for managing the disease and improving patient outcomes. In this study, we investigate the effectiveness of two pre-trained convolutional neural networks, InceptionV3 and ResNet50, for classifying AD stages using T1-weighted MRI scans. Leveraging transfer learning, both models were fine-tuned on an augmented dataset consisting of four classes: no dementia, very mild, mild, and moderate dementia. Comprehensive preprocessing techniques were employed to enhance image quality and reduce noise. The results demonstrate that both InceptionV3 and ResNet50 achieve high accuracy in multi-class classification, highlighting their potential in assisting early AD diagnosis. While InceptionV3 showed strong feature extraction capabilities, ResNet50 offered a balance between performance and computational efficiency. These findings suggest that CNN-based models can provide scalable, reliable tools for clinical decision support in neurodegenerative disease diagnostics.
لیست مقالات
لیست مقالات بایگانی شده
جایگاه هوش مصنوعی در آینده اقتصاد ایران
سید کمال صادقی - فاطمه نمازی - هانیه پور مهدی
بررسی اثر ضد سرطانی لیپوزوم پگیله حاوی ترکیب جنسینوساید Rh2 بر سرطان روده بزرگ در مدل آزمایشگاهی و حیوانی
محسن زارع - ناهید حسن زاده نعمتی - هادی زارع زردینی
The Adaptive Approach of Ensemble Deep Learning Model in OCT Image Classification
Hamed Aghapanah Roudsari - Ali Ghaderian - Mrteza Choubin
Application of machine learning approach for prediction the heat capacity of amine
Aboozar Khajeh
مقایسه روشهای مختلف دوخت تاندون فلکسور دست با استفاده از آنالیز اجزای محدود
امیررضا کاظمی - محمد جعفری - محمد مهدی جلیلی - سید حسین سعید بنادکی
چالشها و فرصتهای هوش مصنوعی
بهزاد بالازاده - حسین بوداقی - مرتضی محمود زاده
بررسی ارتباط بین ریسک پذیری شرکت و ضریب واکنش سود در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
حسین بوداقی خواجهءنوبر - مینا محمدی
مشارکت دادن حسابداران مدیریت در پایداری شرکت
رعنا شهد آور - بیتا یوسف پور نوینی
مکان یابی ایستگاههای آتشنشانی با استفاده از الگوریتم بهینهسازی ازدحام ذرات
مهدی عزیزمحمدی - سید محسن میرحسینی - آرش شعبانی
استفاده از هوش مصنوعی جهت تولید یک مقاله تحقیقاتی حسابداری: بررسی پیامدها
رعنا شهدآور - حسین قشلاق سفلائی - حسین عبداله زاده خانقاه
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