طراحی شبکه عصبی عمیق کانولوشنی سه بعدی برای تعیین وضعیت متیلسیون پروموتر MGMT در تصاویر ام آر آی
Publish place: First International Conference on Electrical Engineering, Computer, Mechanics and Artificial Intelligence
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 288
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EECMAI01_015
تاریخ نمایه سازی: 21 اردیبهشت 1401
Abstract:
وجود متیلاسیون پروموتر MGMT در بیماران دارای تومور بدخیم مغزی، یک عامل مطلوب برای پاسخ دهی این بیماران به شیمی درمانی به شمار می آید. تعیین وجود یا عدم وجود این توالی ژنتیکی در مغز، نیازمند عمل جراحی مغز باز می باشد که می تواند خطرات بسیاری را به همراه داشته باشد. سیستمی که بتواند به طور خودکار، وجود این توالی ژنتیکی را در مغز با استفاده از تصاویر ام آر آی شناسایی کند، نه تنها منجر به کاهش خطرات ناشی از عمل جراحی می گردد، بلکه باعث بهبود روند درمانی بیمار نیز می شود. یادگیری ماشین، به عنوان عرصه ای نوین در سال های اخیر، پیشرفت های چشمگیری در طبقه بندی تصاویر و شناسایی الگوهای خاص در آنها داشته است. این پژوهش با طراحی یک شبکه عصبی عمیق کانولوشنی سه بعدی، وضعیت متیلاسیون پروموتر MGMT را در تصاویر ام آر آی شناسایی نموده است. عملکرد این سیستم در طبقه بندی بیماران براساس تصاویر ام آر آی آنها با استفاده از معیارهای دقت، حساسیت، تشخیص پذیری و سطح زیر منحنی عملیاتی گیرنده گزارش شده است. این مقادیر عبارتند از : دقت ۱/۶۶%، حساسیت ۹۷/۷۰%، تشخیص پذیری ۷۱/۶۰%، و سطح زیر منحنی عملیاتی گیرنده ۶۲۶۲/۰. همچنین این سیستم به دلیل آنکه از تمامی اسلایدهای ام آر آی برای طبقه بندی استفاده می نماید، دارای قابلیت کاربردی بالاتری نسبت به تحقیقات مشابه، می باشد.
Keywords:
Authors
علیرضا صادقی
دانشجوی کارشناسی ارشد مهندسی مکاترونیک دانشگاه تهران
مهدیه صادقی
دانشجوی پزشکی دانشگاه پیامبر اعظم مازندران