سمیرا لویمی - دانشجوی دکتری مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران
میرحسین دزفولیان - گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران
محرم منصوری زاده - گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا همدان، ایران

در دنیای امروز پزشکی توسعه روزافزون ابزار تولید تصاویر رادیولوژی پزشکی در مراکز درمانی، ایجاد سیستم­ های سبک، قابل حمل و دقیق جهت تحلیل و آنالیز تصاویر و استخراج اطلاعات تخصصی از این تصاویر را ضروری ساخته است. در بسیاری موارد تصاویر پزشکی فاقد برچسب یا حاشیه­ نویسی با اطلاعات تخصصی و کلینیکال هستند. ازاین رو طراحی سیستم­ هایی برای تولید اطلاعات تخصصی در مورد محتوای تصاویر یکی از چالش­ های مطرح است. در این پژوهش سیستم تولید گزارش رادیولوژی ساخت­ یافته مبتنی بر روش­ های حاشیه­ نویسی ارائه شده است. ازجمله چالش­ های اساسی در این زمینه استخراج ویژگی­ها و توصیفگرهای مناسب از تصاویر به­ منظور مدل سازی مفاهیم و محتوای تصاویر است. بدین منظور با توجه به کارآمدی فرایند یادگیری عمیق و قابلیت آن در استخراج ویژگی متناسب با هدف، در این مقاله از شبکه­ های عمیق موبایل­ نت به دلیل سبک و دقیق بودن، استفاده شده است. همچنین با توجه به کم بودن داده­ های آموزشی در حوزه­ های تخصصی پزشکی علاوه بر بهره­ گیری از روش­ های کاهش بیش­ برازش در شبکه موبایل­ نت، روش ترکیبی مبتنی بر توصیفگرهای عمیق و الگوی دودویی محلی ارائه شده است. نتایج بیانگر موثر بودن روش پیشنهادی هیبریدی در بهبود دقت سیستم بوده و دقت نهایی سیستم ۹۱.۴% است.

یادگیری عمیق, موبایل نت, الگوی دودویی محلی, حاشیه نویسی تصاویر, گزارش رادیولوژی, تصاویر سی تی