طراحی یک چارچوب چند شاخه ای مبتنی بر شبکه های عصبی عمیق برای استخراج و ترکیب ویژگی های تصویری در تشخیص پوکی استخوان

چکیده مقاله

پوکی استخوان یکی از بیماری های شایع و خاموش استخوانی است که با کاهش تراکم و تضعیف ساختار درونی استخوان ها احتمال شکستگی را به طور قابل توجهی افزایش می دهد تشخیص زودهنگام این بیماری نقش مهمی در پیشگیری و کاهش هزینه های درمان دارد در این پژوهش روشی هوشمند مبتنی بر شبکه های عصبی عمیق برای شناسایی خودکار پوکی استخوان از تصاویر رادیوگرافی ارائه شده است تصاویر پس از انجام مراحل پیش پردازش مانند حذف نویز، افزایش وضوح و یکنواخت سازی، به یک شبکه کانولوشنال چند شاخه داده شدند تا هر شاخه نوع خاصی از ویژگی ها شامل بافت، لبه، شکل و الگوهای آماری را استخراج کند در نهایت با ترکیب خروجی شاخه ها مدل توانست با دقتی برابر با ۹۸/۵۰ درصد، تصاویر را در سه کلاس سالم، کاهش تراکم و پوکی استخوان طبقه بندی کند نتایج نشان داد روش پیشنهادی از توان تعمیم بالا و دقت مناسب در تشخیص برخوردار است و می تواند در تصمیم گیری های بالینی به عنوان ابزاری کمکی موثر مورد استفاده قرار گیرد

کلیدواژه‌ها

نویسندگان

سید محمود رشتیان

دانشجوی کارشناسی ارشد رشته کامپیوتر گرایش نرم افزار دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد اصفهان خوراسگان

کیوان محبی

استادیار رشته کامپیوتر گرایش نرم افزار دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد اصفهان خوراسگان

�شتیان، سید محمود و محبی، کیوان،1404،طراحی یک چارچوب چند شاخه ای مبتنی بر شبکه های عصبی عمیق برای استخراج و ترکیب ویژگی های تصویری در تشخیص پوکی استخوان،هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد

ارائه‌شده در

مجموعه مقالات هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات5 آذر 1404 · مشهد