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

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

شناسایی و تفکیک خودکار ضایعات بیماری مولتیپل اسکلروزیس در MRI با استفاده از معماری بهینه شده U-NET

نویسندگان :

مریم فتحعلی زاده اصل سرکندی¹ علی پورقاسم²

1- دانشگاه ارومیه 2- دانشگاه صنعتی ارومیه

کلمات کلیدی :

مولتیپل اسکلروزیس،تصویر برداری تشدید مغناطیسی،یادگیری عمیق،U-Net،بخش‌بندی تصاویر پزشکی

چکیده :

مولتیپل اسکلروزیس (MS) یک بیماری خودایمنی است که با حمله سیستم ایمنی به غلاف میلین نورون‌های مغز و نخاع، موجب اختلال در عملکرد سیستم عصبی مرکزی می‌شود. در سال‌های اخیر، بهره‌گیری از روش‌های هوش مصنوعی و پردازش تصویر امکان تشخیص سریع و دقیق این بیماری را فراهم کرده است. در این پژوهش، از معماری U-Net به‌منظور بخش‌بندی تصاویر MRI و شناسایی نواحی آسیب‌دیده ناشی از MS استفاده شده است. انتخاب U-Net به دلیل انعطاف‌پذیری بالا و عملکرد دقیق آن در بخش‌بندی تصاویر پزشکی، به‌ویژه در شرایط محدودیت داده، انجام شده است. وجود لایه‌های Skip Connection در این معماری، امکان حفظ اطلاعات محلی و جزئیات مهم در طول فرایند پردازش را فراهم می‌کند و در نتیجه دقت مدل را در شناسایی الگوهای پیچیده افزایش می‌دهد. نتایج آزمایش‌ها نشان می‌دهد که مدل پیشنهادی توانسته است بادقت قابل‌قبول، پلاک‌های مغزی مرتبط با MS را شناسایی و بخش‌بندی کند. نتایج آزمایش‌ها نشان داد مدل پیشنهادی در مرحله آموزش به 99/97 درصد و در مرحله آزمایش به 99/92 درصد دقت دست یافت، که بیانگر عملکرد قابل‌اعتماد آن در تشخیص ضایعات مولتیپل اسکلروزیس می‌باشد.

لیست مقالات

لیست مقالات بایگانی شده

EEG-Based Classification of Schizophrenia and Healthy Controls Subjects Using Statistical and Nonlinear Features with Emphasis on Fuzzy Entropy

Mahdiyeh Tofighi Milani - Sina Shamekhi - Asghar Zarei

Fibroglandular Tissue Classification in Breast MRI: A Comparative Study of Automated Decision Strategies

Meysam Khalaj - Arvin Arian - Ala Torabi - Nasrin Ahmadinejad - Masoumeh Gity - Seyedeh Nooshin Miratashi Yazdi - Mohammad Pooya Afshari - Melika Sadeghi Tabrizi - Hamid Soltanian-Zadeh