تقسیم بندی و حجم سنجی اتوماتیک ضایعات مغزی اسکلروز متعدد در تصاویر MR
تقسیم بندی و حجم سنجی اتوماتیک ضایعات مغزی اسکلروز متعدد در تصاویر MR
روشنک جهانگیری1
1) دانشجوی کارشناسی ارشد کامپیوتر گرایش هوش مصنوعی دانشگاه آزاد واحد الکترونیکی واحد تهران،ایران -
کد IOI مقاله
:
XYBD-ZKEEH
محل انتشار :
چهارمین کنفرانس بین المللی پژوهش در علوم و تکنولوژی(4rstconf.com)
چکیده :
محل و اندازه ی ضایعات ماده سفید در تصویربرداری رزونانس مغناطیسی(MRI) معیار مهمی برای تشخیص، امداد و شناسایی اسکلروز متعدد(MS) میباشد. طی تست های بالینی متعددی مقادیر کمّی نظیر حجم ضایعات حاصل شده اند که در تشخیص MS به کار می آید. تصویر دستی ضایعه برای تقسیم کردن ضایعات زمان بر بوده و به لحاظ اعتبار ناظر دچار ضعف میباشد. در این مقاله MSmetrix را پیشنهاد میکنیم که یک روش اتوماتیک صحیح و معتبر برای تقسیم کردن ضایعه مبتنی بر MRI است و در آن نیازی به اسکنر یا پروتکل خرید و داده های آموزشی نیست. در MSmetrix تصاویر 3D و FLAIR MR در یک مدل احتمالاتی برای شناسایی ضایعات ماده ی سفید مغز(WM) استفاده میشوند. تقسیم کردن ضایعه ی واقعی بر اساس دانش قبلی راجع به محل و ظاهر ضایعات صورت میپذیرد. میزان صحت و دقت MSmetrix با مقایسه ی خروجی آن با تقسیمات مرجع تخصصی پایگاه های داده ی 20MRI بیماران MS تعیین میشود. همپوشانی فضایی بین MSmetrix و تقسیم بندی تخصصی ضایعه است. ضریب تصحیح داخلی (ICC) برابر 0.8 میباشد که نشانگر سازگاری حجمی بین MSmetrix و برچسب زنی تخصصی است. تکرارپذیری حجم های ضایعه ی MSmetrix در 10 بیمار MS ارزیابی شد؛ از این بیماران دو بار در سه اسکنر متفاوت تصویربرداری شد. سازگاری بین تصویر اول و دوم در هر اسکنر با همپوشانی فضایی و تفاوت مطلق حجم ضایعه بین آنها ارزیابی میشود. همپوشانی فضایی و تفاوت کلی حجم ضایعه بین دو تصویر ml بود. در نهایت اینکه میزان صحت و تکرارپذیری MSmetrix در مقایسه با الگوریتم های تقسیم بندی موجود ضایعه ی MS مناسب بود.
کلمات کلیدی : روزونانس مغناطیسی ضایعه اسکلروز msmetrix