چکیده مقاله
اسکولیوز یکی از شایعترین ناهنجاریهای ساختاری ستون فقرات است که در صورت عدم تشخیص و درمان به موقع میتواند منجر به مشکلات حرکتی درد مزمن و اختلال در عملکرد اندامهای داخلی شود هدف این پژوهش ارائه رویکردی دقیق و کارآمد برای تشخیص خودکار اسکولیوز با استفاده از یادگیری عمیق و معماری سبک MobileNetV۲ است داده های مورد استفاده شامل تصاویر رادیوگرافی ستون فقرات بیماران مبتلا و افراد سالم بوده و پس از پیش پردازش شامل تغییر اندازه نرمال سازی و افزایش داده به مدل آموزش داده شد مدل پیشنهادی با بهره گیری از وزنهای اولیه آموزش دیده بر روی ImageNet و لایه های کاملا متصل سفارشی، بر روی محیط Google Colab و با فریم ورک TensorFlow/Keras پیاده سازی گردید ارزیابی عملکرد مدل بر روی داده های آزمون نشان داد که رویکرد پیشنهادی با دقت کلی ۹۷ توانسته است اسکولیوز را با دقت بالا و نرخ خطای اندک شناسایی کند نتایج به دست آمده بیانگر پتانسیل بالای مدل ۲ Mobile Net در توسعه سامانه های هوشمند کمک تشخیصی در محیطهای درمانی است به ویژه در شرایطی که محدودیت منابع پردازشی وجود دارد
کلیدواژهها
نویسندگان
محمد صادق بابایی
دانشگاه صنعتی بیرجند، بنیاد ملی نخبگان استان آذربایجان شرقی
شیوه ارجاع
�ابایی، محمد صادق،1404،شناسایی اسکولیوز ستون فقرات در تصاویر X-ray با استفاده از MobileNetV۲،دومین کنفرانس ملی علم داده در کاربردهای مهندسی،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی علم داده در کاربردهای مهندسی17 مهر 1404 · تبریز