[ Print ]  [ Close ]

http://news.modares.ac.ir/index.jsp?siteid=11&pageid=28293&newsview=20758   , 1403/02/31


در قالب یک پایان نامه دانشجویی محقق شد؛
تشخیص رباط صلیبی قدامی سالم و آسیب دیده با استفاده از پردازش تصاویر MRI توسط شبکه های عصبی

با وجود پیشرفت های روز افزون پزشکی، مناطق محرومی وجود دارد که پزشکان متخصص در آن حضور ندارند. مردم این مناطق هزینه های زیادی برای رفت و آمد و استفاده از تشخیص پزشکان متخصص و دریافت خدمات درمانی صرف می کنند. استفاده از سامانه های پزشک یار می تواند سرعت عمل پزشکان را بالاتر برده و در تشخیص درست به آنها کمک کند.  
سید حسین میرعرب رضی که این تحقیق در قالب پایان نامه کارشناسی ارشد وی در رشته مهندسی صایع گرایش سیستم های سلامت انجام شده است، با بیان مقدمه فوق گفت: استفاده از فناوری روز دنیا در تشخیص آسیب های رباط صلیبی قدامی و کمک به تشخیص درست و به هنگام پزشکان مزایای بسیاری دارد. در این تحقیق، به معرفی و بهبود یک مدل شبکه عصبی برای تشخیص رباط صلیبی قدامی سالم از دارای پارگی کامل، پرداختیم.
وی با اشاره به نوآوری در این پژوهش تصریح کرد: استفاده از شبکه های عصبی، در سال های اخیر رواج پیدا کرده است. در زمینه تشخیص رباط صلیبی نیز مطالعات اندکی انجام شده که نشان از جدید بودن موضوع دارد. در ایران نیز مطالعات بسیار اندکی در این زمینه صورت گرفته که برخی از آن ها از داده های غیرآزمایشگاه ی استفاده کرده اند . اما در پژوهش حاضر از داده های واقعی بیمارستانی استفاده شده و همچنین تمامی داده ها مربوط به افراد ایرانی می باشد که نتایج آن می تواند در تشخیص آسیب و بررسی های آتی مورد استفاده قرار گیرد.
پژوهشگر دانشگاه در تشریح نتایج این پروژه اظهار داشت: بعد از ساخت، بهبود، بررسی و ارزیابی مدل های مختلف برای تشخیص رباط صلیبی قدامی (ACL) دارای پارگی کامل از سالم، به این نتیجه رسیدیم که  مدل های شبکه عصبی به عنوان سامانه های پزشک یار برای بهبود عملکرد رادیولوژیست ها و پزشکان متخصص می توان در مراکز خدمات درمانی استفاده کرد. در ارزیابی اولیه به ترتیب، مدل 19VGG  سوم با صحت و دقت ،۱۰۰% مدل 201 DenseNet  پنجم در تکرار سوم با صحت و دقت %۹۶.۵۵ و مدل 0EfficientNetB  سوم با صحت و دقت ،۹۶.۵۵% به عنوان بهترین مدل ها انتخاب شدند. در ارزیابی نهایی با توجه به مقادیر معیارها و تحلیل نمودارها به این نتیجه رسیدیم که مدل های 201DenseNet  سوم، 201DenseNet  چهارم در اولین تکرار، 201DenseNet  پنجم در سومین تکرار به عنوان بهترین مدل ها انتخاب شدند.
گفتنی است این پژوهش در قالب پایان نامه کارشناسی ارشد سید حسین میرعرب رضی با راهنمایی دکتر گلناز تاج الدین عضو هیأت علمی دانشکده مهندسی صنایع و سیستم ها دانشگاه انجام شد.


 


15:18 - دوشنبه 20 شهريور 1402    /    شماره خبر : 20758    /    تعداد نمايش خبر : 139