CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص بیماری ام اس از تصاویر ام آرآی با استفاده از یادگیری عمیق

عنوان مقاله: تشخیص بیماری ام اس از تصاویر ام آرآی با استفاده از یادگیری عمیق
شناسه ملی مقاله: SENACONF10_106
منتشر شده در دهمین کنگره سراسری فناوری های نوین در حوزه توسعه پایدار ایران در سال 1399
مشخصات نویسندگان مقاله:

غزال بستانی اصل - کارشناسی مهندسی پزشکی دانشکده مهندسی برق،دانشگاه دانش البرز قزوین ایران
سمانه حاجی محمدباقر - دکترا مهندسی پزشکی دانشکده مهندسی برق دانشگاه دانش البرز قزوین ایران

خلاصه مقاله:
بیماری ام اس بیماری است که سیستم اعصاب مرکزی را تحت تاثیر قرار می دهد ؟در نتیجه این بیماری در مناطق متعددی به نام اسکلروزممکن است ظاهر شود ؟تصویربرداری ام آرآی یک معاینه اولیه مکمل است ؟تقسیم بندی ضایعات مولتیپل اسکلروزیس از (MS)برای نظارت و تشخیص مولتیپل اسکلروزیس تصاویر ام آرآی مغز در تشخیص این بیماری مهم است، تشخیص و تجزیه و تحلیل این ضایعات از تصاویر ام آرآی مغزمعمولاٌ وقت گیر وگران قیمت است؟بنابراین، روشهای اتوماتیک و نیمه اتوماتیک برای تقسیم بندی ضایعات ام اس توصیه می شود ؟به دلیل اهمیت این موضوع در مقاله حاضر یک الگوریتم خودکار برای تشخیص حدود ضایعات بیماری ام اس در مغز با استفاده از تصاویر ام آرآی معرفی شده است ؟در این پژوهش ابتدا ابعاد مختلف تصاویر یکسان سازی شده ، سپس برای آموزش ویژگی های تصاویر در دو کلاس نرمال و بیمار از مدل شبکه عصبی عمیق استفاده شده است؟ معماری روش پیشنهادی ترکیبی از لایه های کانولوشنی است و در نهایت نتایج نشان داد که روش پیشنهادی به نتیجه مطلوب %94 منجر شد و در مقایسه با روش های پیشین نیز دارای خطای کمتری است.

کلمات کلیدی:
مولتیپل اسکلروزیس، شبکه کانولوشنی، تصویربرداری ام آر آی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1179754/