کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

طبقه بندی آسیبهای لیگامنت با استفاده از تحلیل تصاویر تشدید مغناطیسی توسط الگوریتمهای یادگیری عمیق

نویسندگان :

محسن اکبری¹ مریم مؤمنی²

1- دانشگاه اراک 2- دانشگاه اراک

کلمات کلیدی :

آرتروز، آسیب لیگامنت، خودرمزنگار، شبکه عصبی کانولوشن كپسول.

چکیده :

انواع آسیب لیگامنت از جمله آسیب لیگامنت قدامی باعث بوجود آمدن زودهنگام آرتروز و سائیدگی مفاصل زانو می شود. وجود نويز و علائم مختلف این عارضه در تصاویر تشدید مغناطیسی كه نمايش خوب و واضحي از بافت هاي زانو دارد، تشخیص زودهنگام را دشوار می کند لذا ارائه یک مدل برای بهبود تصاویر در جهت افزایش دقت پیش بینی و طبقه بندی شدت آسیب لیگامنت در پیشگیری ابتلا به آرتروز مفيد می باشد. در این مقاله از 4948 اسلايد تشدید مغناطیسی بیمار در پایگاه داده KneeMRI و دارای آسیب لیگامنت استفاده شد. پس از مراحل پیش پردازش و بررسي مدل هاي مختلف در راستاي هدف اصلي پژوهش و بررسي استخراج صحيح ويژگي هاي غالب تصاوير در نهایت مشاهده گردید که مدل طبقه بندی با شبکه کانولوشن ResNet-CapsNet به همراه شبکه خودرمزنگار بر پایه شبکه U-Net با استفاده از تصاویر بدون نویز نتیجه بهتری نسبت به مدل های دیگر داشت که این خود تأثیر بسیار زیاد خودرمزنگار در دقت طبقه بندی را نشان می دهد چراكه وجود خودرمزنگار باعث بالارفتن دقت طبقه بندی در تصاویر دارای نویز در مقایسه با مدل معادل بدون خودرمزنگار و تنها با شبکه کانولوشن، می شود.