مروری بر سیستم های خبره تصمیم گیرنده در تشخیص بیماری اسکلروز چندگانه (MS) از تصاویر MR مغزی مبتنی بر یادگیری ماشین
Paper ID : 1159-ICTCK (R2)
Authors:
1شیما زرگرانی *, 2رضا قائمی
1سرپرست خدمات پرسنلی
2مـدیـر پژوهش و فناوری دانشگاه آزاداسلامی واحد قوچان
Abstract:
اسکلروزیس چندگانه یا به اختصار MS، بیماری التهابی است که در آن غلاف‌های میلین سلول‌های عصبی در مغز و نخاع آسیب می‌بینند. جهت شناسایی ضایعات ناشی از این بیماری در مغز، تصویربرداری رزونانس مغناطیسی یا MRI کاربردی ترین روش محسوب می‌شود که می‌تواند تا حد زیادی به تشخیص صحیح پزشک متخصص کمک کند. مشکل در تشخیص این بیماری از روی تصاویر MR آنجایی است که شناسایی ضایعه به تبحر، تجربه و دقت بالایی نیاز دارد و بر اساس آمارها، تشخیص اشتباه در این تصاویر و برای این بیماری، بالاست. استفاده از الگوریتم‌های شناسایی الگو و یادگیری ماشین می‌تواند به عنوان یک ابزار تا حد قابل ملاحظه‌ای در تشخیص هوشمند این بیماری سودمند واقع گردد. در جهت شناسایی خودکار این بیماری، اخیراً محققین برآنند که حوزه هوش مصنوعی و محاسبات نرم را به خدمت بگیرند. در مقاله مروری حال حاضر به بررسی راهکارهای خودکار شناسایی ضایعات ناشی از بروز بیماری MS پرداخته شده و سعی بر آن بوده تا نقاط ضعف و نقاط قوت هر یک به تفصیل بیان گردد. اغلب تکنیک‌ها بر جداسازی متکی بر اصول پردازش تصویر استوار هستند، در حالی که در برخی دیگر هدف دسته‌بندی ضایعات نسبت به سایر بافت‌های سالم بوده است. نتایج حاصل از ارزیابی راهکارهای پیشین نشان داد که الگوریتم‌های متکی بر یادگیری ماشین و سه بعدی سازی تا حد چشمگیری در دستیابی به تشخیص صحیح بیماری MS از تصاویر MR مغزی اثرگذارتر هستند.
Keywords:
اسکلروزیس چندگانه، تصویربرداری MR، جداسازی، شناسایی الگو و یادگیری ماشین.
Status : Paper Accepted