GENETIC ALGORITHM-BASED DECISION TREE OPTIMIZATION FOR DETECTION OF DEMENTIA THROUGH MRI ANALYSIS

Govada Anuradha; Harini Davu; Muthyalanaidu Karri

doi:10.35784/iapgos.5775

PDF (angielski)

Opublikowane: 2024-03-31

DOI: https://doi.org/10.35784/iapgos.5775

Numer Tom 14 Nr 1 (2024)

JESZCZE O CAŁKOWANIU LOGARYTMICZNYCH OSOBLIWOŚCI W METODZIE ELEMENTÓW BRZEGOWYCH
Tomasz Rymarczyk, Jan Sikora

5-10
RÓWNANIA POLA ELEKTROMAGNETYCZNEGO W ŚRODOWISKU NIELINIOWYM
Viktor Lyshuk, Vasyl Tchaban, Anatolii Tkachuk, Valentyn Zablotskyi, Yosyp Selepyna

11-16
OPTYCZNE ZMNIEJSZANIE WIDOCZNOŚCI POLA PLAMKOWEGO POPRZEZ REDUKCJĘ SPÓJNOŚCI CZASOWEJ
Mikhaylo Vasnetsov, Valeriy Voytsekhovich, Vladislav Ponevchinsky, Nataliia Kachalova, Alina Khodko, Oleksanr Mamuta, Volodymyr Pavlov, Vadym Khomenko, Natalia Manicheva

17-20
WSKAŹNIKI JAKOŚCI DO WYKRYWANIA SYGNAŁÓW PROMIENIOWANIA BOCZNEGO Z EKRANÓW MONITORÓW PRZEZ WYSPECJALIZOWANE ŚRODKI TECHNICZNE WYWIADU WROGA
Dmytro Yevgrafov, Yurii Yaremchuk

21-26
WPŁYW UDERZENIA PIORUNA NA HYBRYDOWĄ LINIĘ WYSOKIEGO NAPIĘCIA NAPOWIETRZNA LINIA PRZESYŁOWA – IZOLOWANA LINIA GAZOWA
Samira Boumous, Zouhir Boumous, Yacine Djeghader

27-31
EFEKTYWNOŚĆ ENERGETYCZNA PANELI FOTOWOLTAICZNYCH W ZALEŻNOŚCI OD ROZDZIELCZOŚCI KROKU ŚLEDZENIA UKŁADU NADĄŻNEGO
Kamil Płachta

32-36
CYFROWA REKONSTRUKCJA OBRAZÓW Z WYKORZYSTANIEM ALGORYTMU SURF
Shanmukhaprasanthi Tammineni, Swaraiya Madhuri Rayavarapu, Sasibhushana Rao Gottapu, Raj Kumar Goswami

37-40
PODEJŚCIE TENSOROWE I WEKTOROWE DO ROZPOZNAWANIA OBIEKTÓW ZA POMOCĄ FILTRÓW CECH ODWROTNYCH
Roman Kvуetnyy, Yuriy Bunyak, Olga Sofina, Volodymyr Kotsiubynskyi, Tetiana Piliavoz, Olena Stoliarenko, Saule Kumargazhanova

41-45
ARCHITEKTONICZNE, STRUKTURALNE I FUNKCJONALNE CECHY RÓWNOLEGŁO-HIERARCHICZNEJ ORGANIZACJI PAMIĘCI
Leonid Timchenko, Natalia Kokriatska, Volodymyr Tverdomed, Iryna Yepifanova, Yurii Didenko, Dmytro Zhuk, Maksym Kozyr, Iryna Shakhina

46-52
SYMULACJA I MODELOWANIE KOMPUTEROWE DYNAMIKI KONSTRUKCJI MOSTÓW Z WYKORZYSTANIEM ANSYS
Anzhelika Stakhova, Adrián Bekö

53-56
POPRAWA ZDROWIA UPRAW DZIĘKI CYFROWEMU BLIŹNIAKOWI DO MONITOROWANIA CHORÓB I RÓWNOWAGI SKŁADNIKÓW ODŻYWCZYCH
Sobhana Mummaneni, Tribhuvana Sree Sappa, Venkata Gayathri Devi Katakam

57-62
PRZEGLĄD PODEJŚĆ DO MODELOWANIA PRZEWIDYWAŃ ZWIĄZANYCH Z WITRYNAMI INTERNETOWYMI
Patryk Mauer

63-66
TWORZENIE WYSOCE WYSPECJALIZOWANYCH CHATBOTÓW DO ZAAWANSOWANEGO WYSZUKIWANIA
Andrii Yarovyi, Dmytro Kudriavtsev

67-70
METODA OBLICZANIA WSKAŹNIKA BEZPIECZEŃSTWA INFORMACJI W MEDIACH SPOŁECZNOŚCIOWYCH Z UWZGLĘDNIENIEM DŁUGOŚCI ŚCIEŻKI MIĘDZY KLIENTAMI
Volodymyr Akhramovych, Yuriy Pepa, Anton Zahynei, Vadym Akhramovych, Taras Dzyuba, Ihor Danylov

71-77
DOPASOWANIE ZGODNOŚCI W MODELACH 3D DLA DOPASOWANIA DŁONI 3D
Maksym Tymkovych, Oleg Avrunin, Karina Selivanova, Alona Kolomiiets, Taras Bednarchyk, Saule Smailova

78-82
OPTYMALIZACJA DRZEWA DECYZYJNEGO OPARTA NA ALGORYTMIE GENETYCZNYM DO WYKRYWANIA DEMENCJI POPRZEZ ANALIZĘ MRI
Govada Anuradha, Harini Davu, Muthyalanaidu Karri

83-89
MEDYCZNY ROZMYTY SYSTEM EKSPERCKI DO PRZEWIDYWANIA STOPNIA WSZCZEPIENIA IMPLANTÓW DENTYSTYCZNYCH U PACJENTÓW Z PRZEWLEKŁĄ CHOROBĄ WĄTROBY
Vitaliy Polishchuk, Sergii Pavlov, Sergii Polishchuk, Sergii Shuvalov, Andriy Dalishchuk, Natalia Sachaniuk-Kavets’ka, Kuralay Mukhsina, Abilkaiyr Nazerke

90-94
POMIAR TEMPERATURY POWIERZCHNI KORZENIA PODCZAS OBTURACJI KANAŁÓW KORZENIOWYCH
Les Hotra, Oksana Boyko, Igor Helzhynskyy, Hryhorii Barylo, Pylyp Skoropad, Alla Ivanyshyn, Olena Basalkevych

95-98
OCENA WYDAJNOŚCI OBRAZÓW TERMOGRAFICZNYCH DO PRZEWIDYWANIA STOPNIA GUZA PIERSI PRZY UŻYCIU DCNN
Zakaryae Khomsi, Mohamed El Fezazi, Achraf Elouerghi, Larbi Bellarbi

99-104
KOMPLEKSOWE BADANIE: WYKRYWANIE TĘTNIAKA WEWNĄTRZCZASZKOWEGO ZA POMOCĄ HYBRYDOWEGO GŁĘBOKIEGO UCZENIA SIĘ VGG16-DENSENET NA OBRAZACH DSA
Sobhana Mummaneni, Sasi Tilak Ravi, Jashwanth Bodedla, Sree Ram Vemulapalli, Gnana Sri Kowsik Varma Jagathapurao

105-110
DEFORMACJE MASY GLEBY POD DZIAŁANIEM CZYNNIKÓW CZŁOWIEKA
Mykola Kuzlo, Viktor Moshynskyi, Nataliia Zhukovska, Viktor Zhukovskyy

111-114
OBLICZANIE PRZEPŁYWÓW PRACY BEZ PRZEPŁYWÓW PRACY: PODSTAWOWY ALGORYTM DYNAMICZNEGO KONSTRUOWANIA I PRZESZUKIWANIA NIEJAWNEGO SKIEROWANEGO GRAFU ACYKLICZNEGO W ŚRODOWISKU NIEDETERMINISTYCZNYM
Fedir Smilianets, Oleksii Finogenov

115-118
INTELIGENTNA ANALIZA DANYCH NA PLATFORMIE ANALITYCZNEJ
Dauren Darkenbayev, Arshyn Altybay, Zhaidargul Darkenbayeva, Nurbapa Mekebayev

119-122

Archiwum

2026

Tom 16 Nr 2
2026-06-30 27
Tom 16 Nr 1
2026-03-30 27

2025

Tom 15 Nr 4
2025-12-20 27
Tom 15 Nr 3
2025-09-30 24
Tom 15 Nr 2
2025-06-27 24
Tom 15 Nr 1
2025-03-31 26

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

Authors

Govada Anuradha

ganuradha@vrsiddhartha.ac.in

Velagapudi Ramakrishna Siddhartha Engineering College, Department of Computer Science and Engineering

https://orcid.org/0000-0002-0999-0376

Harini Davu

davuharini@gmail.com

Velagapudi Ramakrishna Siddhartha Engineering College, Department of Computer Science and Engineering

https://orcid.org/0009-0008-6187-1797

Muthyalanaidu Karri

karrimuthyalanaidu3802@gmail.com

Velagapudi Ramakrishna Siddhartha Engineering College, Department of Computer Science and Engineering

https://orcid.org/0009-0006-5850-3761

Abstrakt

Demencja jest wyniszczającym zaburzeniem neurologicznym, które dotyka miliony ludzi na całym świecie, powodując postępujący spadek funkcji poznawczych i codziennych czynności życiowych. Wczesne i precyzyjne wykrywanie demencji ma kluczowe znaczenie dla optymalnej terapii i zarządzania demencją, jednak diagnoza demencji jest często trudna ze względu na złożoność choroby i szeroki zakres objawów, które mogą wykazywać pacjenci. Podejścia oparte na uczeniu maszynowym stają się coraz bardziej powszechne w dziedzinie przetwarzania obrazu, szczególnie w zakresie przewidywania chorób. Algorytmy te mogą nauczyć się rozpoznawać charakterystyczne cechy i wzorce, które sugerują określone choroby, analizując obrazy z wielu modalności obrazowania medycznego. Niniejszy artykuł ma na celu opracowanie i optymalizację algorytmu drzewa decyzyjnego do wykrywania demencji przy użyciu zbioru danych OASIS, który obejmuje duży zbiór obrazów MRI i powiązanych danych klinicznych. Podejście to obejmuje wykorzystanie algorytmu genetycznego do optymalizacji modelu drzewa decyzyjnego w celu uzyskania maksymalnej dokładności i skuteczności. Ostatecznym celem artykułu jest opracowanie skutecznego, nieinwazyjnego narzędzia diagnostycznego do wczesnego i dokładnego wykrywania demencji. Zaproponowane drzewo decyzyjne oparte na GA wykazuje wysoką wydajność w porównaniu z alternatywnymi modelami, szczycąc się imponującym współczynnikiem dokładności wynoszącym 96,67% zgodnie z wynikami eksperymentalnymi.

Słowa kluczowe:

demencja, algorytm genetyczny, drzewo decyzyjne

Bibliografia

Abdollahi J., Nouri-Moghaddam B.: Hybrid stacked ensemble combined with genetic algorithms for diabetes prediction. Iran Journal of Computer Science 5(3), 2022, 205–220.

Adeli H., Ghosh-Dastidar S., Dadmehr N.: Alzheimer's disease and models of computation: Imaging, classification, and neural models. Journal of Alzheimer's Disease 7(3), 2005, 187–199.

Al-Badarneh A., Najadat H., Alraziqi A.: Brain Images Classifier: A Hybrid Approach Using Decision Trees and Genetic Algorithms. JINT 7(2), 2016.

Aminizadeh S. et al.: The applications of machine learning techniques in medical data processing based on distributed computing and the Internet of Things. Computer methods and programs in biomedicine 241, 2023, 107745.

Angelillo M. T. et al.: Attentional pattern classification for automatic dementia detection. IEEE Access 7, 2019, 57706–57716.

Azad R. et al.: Medical image segmentation on MRI images with missing modalities: a review [http://arxiv.org/abs/2203.06217].

Bansal D. et al.: Comparative analysis of various machine learning algorithms for detecting dementia. Procedia computer science 132, 2018, 1497–1502.

Basheer S., Bhatia S., Sakri S. B.: Computational modeling of dementia prediction using deep neural network: analysis on OASIS dataset. IEEE access 9, 2021, 42449–42462.

Biswal A.: What Is Principal Component Analysis? Simplilearn.com [www.simplilearn.com/tutorials/machine-learning-tutorial/principal-component-analysis] (avaible 7.11.2023).

Bukhari S. N. H., Webber J., Mehbodniya A.: Decision tree based ensemble machine learning model for the prediction of Zika virus T-cell epitopes as potential vaccine candidates. Scientific Reports 12(1), 2022, 7810.

Deng W. et al.: An enhanced fast non-dominated solution sorting genetic algorithm for multi-objective problems. Information Sciences 585, 2022, 441–453.

Dhiman G. et al.: A novel machine-learning-based hybrid CNN model for tumor identification in medical image processing. Sustainability 14(3), 2022, 1447.

Díaz-Álvarez J. et al.: Genetic algorithms for optimized diagnosis of Alzheimer’s disease and Frontotemporal dementia using Fluorodeoxyglucose positron emission tomography imaging. Frontiers in aging neuroscience 13, 2022, 983.

Drouka A. et al.: Dietary and nutrient patterns and brain MRI biomarkers in dementia-free adults. Nutrients 14(11), 2022, 2345.

Elhazmi A. et al.: Machine learning decision tree algorithm role for predicting mortality in critically ill adult COVID-19 patients admitted to the ICU. Journal of infection and public health 15(7), 2022, 826–834.

Elyan E. et al.: Computer vision and machine learning for medical image analysis: recent advances, challenges, and way forward. Artificial Intelligence Surgery 2, 2022.

Emam M. M., Houssein E. H., Ghoniem R. M.: A modified reptile search algorithm for global optimization and image segmentation: Case study brain MRI images. Computers in Biology and Medicine 152, 2023, 106404.

Fang L., Wang X.: Brain tumor segmentation based on the dual-path network of multi-modal MRI images. Pattern Recognition 124, 2022, 108434.

García-Gutierrez F. et al.: GA-MADRID: Design and validation of a machine learning tool for the diagnosis of Alzheimer’s disease and frontotemporal dementia using genetic algorithms. Medical & Biological Engineering & Computing 60(9), 2022, 2737–2756.

Gorji H. T., Haddadnia J.: A novel method for early diagnosis of Alzheimer’s disease based on pseudo Zernike moment from structural MRI. Neuroscience 305, 2015, 361–371.

Haug C. J., Drazen J. M.: Artificial intelligence and machine learning in clinical medicine. New England Journal of Medicine 388(13), 2023, 1201–1208.

Javeed A. et al.: Machine Learning for Dementia Prediction: A Systematic Review and Future Research Directions. Journal of Medical Systems 47(1), 2023, 17.

Leocadi M. et al.: Awareness impairment in Alzheimer’s disease and fronto-temporal dementia: a systematic MRI review. Journal of Neurology 270(4), 2023, 1880–1907.

Liang X. et al.: Evaluating voice-assistant commands for dementia detection. Computer Speech & Language 72, 2022, 101297.

Li R. et al.: Applications of artificial intelligence to aid early detection of dementia: a scoping review on current capabilities and future directions. Journal of biomedical informatics 127, 2022, 104030.

Liu H. et al.: NeuroCrossover: An intelligent genetic locus selection scheme for genetic algorithm using reinforcement learning. Applied Soft Computing 146, 2023, 110680.

Miled Z. B. et al.: Feature engineering from medical notes: A case study of dementia detection. Heliyon 9(3), 2023.

Mirheidari B. et al.: Dementia detection using automatic analysis of conversations. Computer Speech & Language 53, 2019, 65–79.

Mirzaei G., Adeli H.: Machine learning techniques for diagnosis of Alzheimer disease, mild cognitive disorder, and other types of dementia. Biomedical Signal Processing and Control 72, 2022, 103293.

Marcus D. S. et al.: Open access series of imaging studies: longitudinal MRI data in nondemented and demented older adults. Journal of Cognitive Neuroscience 22(12), 2010, 2677–2684.

Nori V. S. et al.: Machine learning models to predict onset of dementia: a label learning approach. Alzheimer's & Dementia: Translational Research & Clinical Interventions 5, 2019, 918–925.

Nowroozpoor A. et al.: Detecting cognitive impairment and dementia in the emergency department: a scoping review. Journal of the American Medical Directors Association 23(8), 2022, 1314–1315.

Perovnik M. et al.: Automated differential diagnosis of dementia syndromes using FDG PET and machine learning. Frontiers in Aging Neuroscience 14, 2022, 1005731.

Ramos D. et al.: Using decision tree to select forecasting algorithms in distinct electricity consumption context of an office building. Energy Reports 8, 2022, 417–422.

Shehab M. et al.: Machine learning in medical applications: A review of state-of-the-art methods. Computers in Biology and Medicine 145, 2022, 105458.

So A. et al.: Early diagnosis of dementia from clinical data by machine learning techniques. Applied Sciences 7(7), 2017, 651.

Squires M. et al.: A novel genetic algorithm based system for the scheduling of medical treatments. Expert Systems with Applications 195, 2022, 116464.

Varoquaux G. Cheplygina V.: Machine learning for medical imaging: methodological failures and recommendations for the future. NPJ Digital Medicine 5(1), 2022, 48.

World Health Organization: WHO and World Health Organization: WHO. Dementia [www.who.int/news-room/fact-sheets/detail/dementia/?gclid=CjwKCAiA-P-rBhBEEiwAQEXhHzn09E8kOoRAOoS8xNltu1svCep3MzGBPB363AJ20n3XF3v9M9C9axoCS7QQAvD_BwE] (avaible 15.03.2023).

Zhao X. et al.: A voice recognition-based digital cognitive screener for dementia detection in the community: Development and validation study. Frontiers in Psychiatry 13, 2022, 899729.

OPTYMALIZACJA DRZEWA DECYZYJNEGO OPARTA NA ALGORYTMIE GENETYCZNYM DO WYKRYWANIA DEMENCJI POPRZEZ ANALIZĘ MRI. (2024). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14(1), 83-89. https://doi.org/10.35784/iapgos.5775

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 14 Nr 1 (2024)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja