0% Complete
English
صفحه اصلی
/
سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران
تشخیص بیماری MS با استفاده از EfficientNet-B0 و CycleGAN بر پایه نقشههای ضخامت شبکیه
نویسندگان :
محبوبه سبزه یان
1
مریم سبزه یان
2
ماندانا سادات غفوریان
3
امین نوری
4
1- دانشگاه سجاد مشهد
2- دانشگاه سجاد مشهد
3- دانشگاه فردوسی مشهد
4- دانشگاه سجاد مشهد
کلمات کلیدی :
افزایش داده CycleGan،تشخیص بیماری،مولتیپل اسکلروزیس،نقشه ضخامت شبکیه،یادگیری انتقالی،EfficientNet-B0
چکیده :
بیماری مولتیپل اسکلروزیس (MS) یکی از اختلالات مزمن و پیشرونده سیستم عصبی است که شناسایی زودهنگام آن میتواند به بهبود فرایند درمان و کاهش آسیبهای عصبی کمک کند. تصویربرداری توموگرافی انسجام نوری (OCT) در سالهای اخیر بهعنوان ابزاری غیرتهاجمی برای بررسی تغییرات ساختاری شبکیه در بیماران MS مطرح شده است. در این پژوهش، یک سامانه یادگیری عمیق جهت طبقهبندی بیماران مبتنی بر نقشههای ضخامت شبکیه توسعه داده شده است. این سامانه از معماری EfficientNet-B0 بهره میبرد که با استفاده از تکنیک افزایش داده مبتنی بر شبکههای مولد تخاصمی چرخهای (CycleGAN)، دادهها را غنیسازی کرده است. عملکرد مدل پیشنهادی در مقایسه با معماریهای مرسوم از جمله ResNet-50، ResNet-101 و VGG-19 مورد ارزیابی قرار گرفت. یافتهها نشان میدهد که مدل پیشنهادی با دستیابی به دقت ۹۹.63٪، امتیاز F1 معادل ۹۹.61٪ و سطح زیر منحنی (AUC) برابر با ۱۰۰٪، از سایر معماریها عملکرد دقیقتری داشته است. تا آنجا که بررسیها نشان میدهد، این نخستین مطالعهای است که از ترکیب EfficientNet-B0 با نقشههای ضخامت لایههای شبکیه مبتنی بر OCT بهمنظور تشخیص MS بهره میبرد. نتایج حاصل، قابلیت بالای این چارچوب را برای بهرهبرداری در محیطهای کلینیکی و شرایط محدودیت داده برجسته میسازد.
لیست مقالات
لیست مقالات بایگانی شده
هوش مصنوعی در توسعه علوم پایه: راهکارهای عملی برای تحقق تحول علمی و صنعتی
سارا سهیلی
ارتباط بین عملکرد پایداری و کارایی سرمایهگذاری با نقش تعدیلگری ارزش شرکت
مهدی زینالی - محمد کیانی - سونیا کیوان بد
بررسی ابزارهای حسابداری در بازار ارزهای دیجیتال و شبکه بلاکچین
میلاد هاشم زاده
Mental Workload Classification using Bidirectional LSTM Networks with Multi-Feature Fusion
Fatemeh Farokhshad - Sepideh Bahri Hampa - Amirhesam Ghasri - Sara Bagherzadeh
هوش مصنوعی و توسعه مهارت های آموزشی در دانشگاهها و مؤسسات آموزش عالی
فاطمه خسروپرویز
Dynamic Connectivity Reveals Transformative Power of Neurofeedback in Brain Functional Networks
Kasra Momeni - Gholam- Ali Hossein-Zadeh
Document Clustering Using Deep Pre-trained Language Model Embeddings for Information Retrieval
Mahdi Mohammadiha - Mohammad Hassan Sadreddini - Morteza Mohammadi Zanjireh
Toward Precision Psychiatry: Differentiating Depression and Psychosis Using EEG-Based Machine Learning Models
Vahid Asayesh - Mehdi Dehghani - Majid Torabi - Sepideh Akhtari-Khosroshahi - Maedeh Akhtari-Khosroshahi - Sebelan Daneshvar
تحلیل رنگ بافت عضلانی و چربی گاو با روشهای مبتنی بر بینایی ماشین: یک بررسی جامع
فاطمه بناءهمزایی - مصطفی حشمتی
Comparative Analysis of Time-Frequency Representations for Pediatric Respiratory Sound Classification Using Deep Learning
Ghazaleh Shiri - Hanieh Bahrami - Alireza Fallahi
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2