تشخیص آرتروز زانو با استفاده از بلوک بندی تصاویر و شبکه های عصبی مصنوعی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
پیش زمینه

آرتروز زانو، یکی از شایع ترین بیماری ها در انسان است و با توجه به شیوع رو به گسترش آن، تشخیص زودهنگام این بیماری بسیار حایز اهمیت می باشد. توجه به حجم غضروف در مطالعات آرتروز زانو از روی عکس های رادیولوژی بسیار ضروری است. هدف از این مطالعه کمک به بهبود تشخیص آرتروز زانو به کمک تکنیک های مبتنی بر هوش مصنوعی و پردازش تصاویر می باشد.

روش بررسی

این تحقیق از نوع تشخیصی بوده که بر روی 158 نمونه (تصویر MRI)، مورد ارزیابی قرار گرفته است. این تصاویر، از پایگاه اطلاعاتی بیمارستان تهران جمع آوری شده، به طوری که 111 نمونه مربوط به افراد سالم و 47 نمونه مربوط به افراد مبتلا به آرتروز زانو است. در این مطالعه، به منظور تشخیص خودکار آرتروز ، روش جدیدی بنام " بلوک بندی تصاویر و تعلیم آن با شبکه عصبی مصنوعی " ارایه گردیده است. با استفاده از نرم افزار متلب، تصاویر MRI دریافت و پس از پیش پردازش آن ها، اقدام به پردازش و تشخیص وضعیت آرتروز به کمک شبکه های عصبی مصنوعی شده است.

یافته ها

 آزمایشات نشان دهنده عملکرد قابل قبول روش پیشنهادشده می باشد، به طوری که با استفاده از این تکنیک می توان با دقت 93%، آرتروز زانو را تشخیص داد.

نتیجه گیری

مدل ارایه شده در این مطالعه می تواند در برنامه های غربالگری جهت شناسایی افراد در معرض خطر آرتروز، استفاده شده و به عنوان دستیار پزشک در خدمت پزشکان متخصص این حوزه قرار گیرد.

زبان:
فارسی
صفحات:
145 تا 152
لینک کوتاه:
magiran.com/p2260809 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!