استفاده از هیستوگرام اسپارس جهت تشخیص بیماری ام اس

استفاده از هیستوگرام اسپارس جهت تشخیص بیماری ام اس

نرگس رنجبر1

1) دانشکده پیراپزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران

کد IOI مقاله : XKBA-AZGZEZ
محل انتشار : سومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/3rd)
چکیده :
    مولتیپل اسکلروزیس (MS) یک بیماری خودایمنی مزمن سیستم عصبی مرکزی است که با تشکیل ضایعات در ماده سفید مغز و نخاع مشخص می شود. در این مقاله، یک روش ترکیبی مبتنی بر پردازش تصویر و یادگیری ماشین (ML) برای تشخیص و تقسیم‌بندی ضایعات MS در تصاویر تصویربرداری تشدید مغناطیسی (MRI) پیشنهاد شده‌است. روش پیشنهادی شامل چهار مرحله اصلی است: تشخیص نقطه کلیدی، استخراج ویژگی، کاهش ابعاد با استفاده از تجزیه و تحلیل اجزای اصلی (PCA)، و طبقه‌بندی ضایعه با استفاده از ماشین بردار پشتیبان (SVM). ویژگی های محلی، مانند هیستوگرام پراکنده و هسته فرمان محلی، برای استخراج الگوهای دقیق از نواحی ضایعه استفاده می شود و PCA برای کاهش ابعاد داده ها به کار می رود. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی به دقت 92.3 درصد، حساسیت 89.7 درصد و نرخ مثبت کاذب 4.5 درصد دست می یابد که از روش های سنتی بهتر عمل می کند. علاوه بر این، زمان پردازش کمتر از 1.2 ثانیه در هر تصویر MRI است که امکان استفاده از این روش را برای نظارت مستمر بیماران ام اس فراهم می کند. این رویکرد می تواند به عنوان یک ابزار دقیق و کارآمد برای تشخیص و پایش ضایعات ام اس در محیط های بالینی باشد.

کلمات کلیدی : ms mri k means متا استخراج مغز منطقه مورد علاقه