ارائه‏ کننده: سینا تقی‏ پور نقشیاستاد راهنما: دکتر حمیدرضا مومنیاستاد ناظر داخلی: دکتر پویا بدریاستاد ناظر خارج از دانشگاه: دکتر محمد منثوری (دانشگاه شاهد)تاریخ: ۱۴۰۴/۰۶/۱۷ساعت: ۱۵مکان: دانشکده مهندسی برق و کامپیوتر (بلوک ششم)، طبقه سوم، اتاق 6-38، آزمایشگاه ابزار دقیق

چکیده:در این پژوهش، روشی نوین برای طبقه‏ بندی مراحل مختلف زوال عقل با استفاده از تصاویر MRI و شبکه ‏های یادگیری عمیق ارائه شده است. ابتدا مجموعه داده OASIS پس از اعمال مراحل پیش ‏پردازش، به تصاویر دوبعدی تبدیل و عدم توازن کلاس ‏ها با افزایش داده جبران گردید. سپس سه شبکه‏ ی از پیش‏ آموزش‏ دیده ResNet50V2، EfficientNetV2B3 و ConvNeXt Tiny به صورت جداگانه آموزش داده شده و تنظیم فراپارامترها بر اساس افزایش داده بهینه‏ سازی شد. در ادامه، با بهره‏ گیری از روش‏ های یادگیری تجمعی شامل رأی‏ گیری نرم، رأی‏گیری سخت و پشته‏ سازی، نتایج مدل‏ های پایه ادغام گردید. معماری پیشنهادی پشته‏ سازی، با اتصال لایه‏ های یکی‏ مانده به آخر شبکه‏ های پایه و آموزش یک طبقه‏ بند بالادستی، عملکرد بهتری نسبت به سایر روش‏ ها نشان داد. نتایج ارزیابی مدل‏ها با استفاده از معیارهای صحت، صحت‏ متوازن‏ شده، دقت، یادآوری، F1، AUC و ماتریس درهم‏ ریختگی و منحنی ‏های ROC و PR نشان داد که ترکیب مدل ‏ها با یادگیری تجمعی به طور معناداری موجب بهبود تشخیص مراحل بیماری شده و شبکه ترکیبی پیشنهادی توانسته است عملکرد بهتری نسبت به مدل‏ های تکی و سایر پژوهش ‏های پیشین ارائه دهد.