[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
بانک ها و نمایه نامه ها::
فرم پیش نیاز ارسال مقاله::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
بانک ها و نمایه ها
DOAJ
GOOGLE SCHOLAR
..
:: دوره 26، شماره 6 - ( 10-1400 ) ::
جلد 26 شماره 6 صفحات 951-941 برگشت به فهرست نسخه ها
تشخیص زودهنگام بیماری ام اس در تصاویر fMRI مغز با استفاده از تکنیک‌های یادگیری عمیق
الهام وحیدیان1 ، محمد حسین فاتحی دیندارلو2 ، جاسم جمالی2 ، مهدی تقی زاده 3
1- گروه مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد کازرون، کازرون، ایران
2- گروه مهندسی برق، دانشگاه ازاد اسلامی، واحد کازرون، کازرون، ایران
3- گروه مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد کازرون، کازرون، ایران ، m.taghizadeh@kau.ac.ir
چکیده:   (1468 مشاهده)
زمینه و هدف: ام اس نوعی بیماری سیستم عصبی مرکزی است که در آن بدن، حمله دفاعی بر روی بافت‌های خود انجام می‌دهد. این بیماری می‌تواند بر روی مغز و نخاع تأثیر بگذارد و باعث ایجاد طیف گسترده‌ای از علایم بالقوه از جمله مشکلات تعادلی، حرکتی و بینایی شود. تصاویر ام آرآی و اف ام آرآی  یک ابزار بسیار مهم در تشخیص و درمان بیماری ام اس است. هدف از این مطالعه تعیین و تشخیص تشخیص زودهنگام بیماری ام اس در تصاویر اف ام آرآی مغز با استفاده از تکنیک‌های یادگیری عمیق بود.
 
روش بررسی: این یک مطالعه تجربی می‌باشد که در سال 1399 در دانشگاه آزاد کازرون انجام شد، 1000 تصویر ام ارای از مجموعه‌داده‌های BRATS بودند و در دو گروه یادگیری و تست به نسبت 70 به 30 درصد وارد مطالعه شدند. در این مطالعه یک شبکه یادگیری عمیق چهار لایه مبتنی بر شبکه عصبی کانولوشن در محیط  متلب شبیه‌سازی ‌شده است. در ساختار یادگیری عمیق که خودش توانایی استخراج ویژگی‌ها را دارا بود، از یک روش دیگر برای این کار استفاده کردیم؛ زیرا یادگیری عمیق با این که توانایی استخراج ویژگی‌ها را دارد، اما این کار را تصادفی انجام می‌داد. برای این که مراحل قبلی آن به ‌صورت قطعی باشد، از یک الگوریتم دیگر در داخل حلقه‌های تکرار و داخل لایه پیچش استفاده کردیم تا در زمان آموزش، اولاً کاهش ابعاد ویژگی دهد، دوماً انتخاب بهترین ویژگی‌ها و سوم استخراج ویژگی‌ها را به‌صورت قطعی انجام دهد.
 
یافته‌ها: نمایش گرافیکی منحنی ROC نشان داد که میزان حساسیت یا پیش‌بینی درست در مقابل پیش‌بینی نادرست در این سیستم طبقه‌بندی دودویی که آستانه تفکیک در آن متغیر است، مقدار قابل‌توجهی داشت. سطح زیر این منحنی 8592/0 هم‌چنین دقت روش پیشنهادی 6891/98 درصد و میزان حساسیت  8766/94 درصد به دست آمد.
 
نتیجه‌گیری: با توجه ‌به فراوانی بیماری ام‌اس، تشخیص زود هنگام این بیماری و ارایه یک روش هوشمند بر اساس پردازش تصاویرfMRI  برای درمان ضروری است. این روش هوشمند سعی بر این دارد که بتواند در خصوص تشخیص و درمان با دقت بیشتر، شناسایی بهتر ویژگی‌ها و الگوهای تأثیرگذار به بیماری نسبت به روش‌های پیشین به‌عنوان دستیار پزشکان کمک شایانی کند. در نهایت نتایج به‌دست‌آمده از این پژوهش نشان داد که کارایی روش پیشنهادی در سطح عالی ارزیابی شد و بهینه بودن آن را تا حد ممکن نمایش داد. بعلاوه نتایج به‌دست‌آمده، سریع بودن عملیات آموزش و آزمون داده‌ها در حجم بالا و همگرایی سریع الگوریتم را نشان داد. همچنین توسعه‌پذیری و تعمیم‌پذیری آن ساده‌تر است. 
 
 
واژه‌های کلیدی: یادگیری عمیق، تصاویر اف ام آر آی، بیماری ام اس
متن کامل [PDF 500 kb]   (416 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: 1400/6/8 | پذیرش: 1400/9/30 | انتشار: 1400/10/15
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Vahidian E, Fatehi Dindarloo M, Jamali J, Taghizadeh M. Early Detection of MS in fMRI Images of the Brain Using Deep Learning Techniques. armaghanj 2021; 26 (6) :941-951
URL: http://armaghanj.yums.ac.ir/article-1-3151-fa.html

وحیدیان الهام، فاتحی دیندارلو محمد حسین، جمالی جاسم، تقی زاده مهدی. تشخیص زودهنگام بیماری ام اس در تصاویر fMRI مغز با استفاده از تکنیک‌های یادگیری عمیق. ارمغان دانش. 1400; 26 (6) :941-951

URL: http://armaghanj.yums.ac.ir/article-1-3151-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 26، شماره 6 - ( 10-1400 ) برگشت به فهرست نسخه ها
ارمغان دانش Armaghane Danesh
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4645