طبقه بندی سکته مغزی بر اساس روش یادگیری عمیق در سامانه تصویربرداری ریزموجی از مغز
This Paper With 13 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:
تاریخ نمایه سازی: 19 دی 1401
Abstract:
یکی از عوامل رایج مرگ ومیر در دنیا که بیشتر افراد مسن در معرض آن هستند، سکته مغزی است. حدود ۸۵ درصد از تمام سکتههای مغزی، از نوع سکته مغزی ایسکمیک بوده و ناشی از خونریزی داخلی بخشی از مغز است. با توجه به آمار بالای مرگومیر ناشی از سکته مغزی، تشخیص و درمان سریع سکته مغزی ایسکمیکی و سکته مغزی هموروژیک بسیار مهم است. در این مقاله یک سیستم تصویربرداری مایکروویو مغز، برای تشخیص خونریزی داخل جمجمه کروی شکل با شعاع یک سانتیمتر در نرم افزار CSTشبیهسازی و برای تصویربرداری از یک سری آرایه آنتن پروانهای اصلاح شده در اطراف فانتوم سر چند لایه، استفاده شده است. برای داشتن ویژگیهای تشعشی مورد نظر در محدوده باند فرکانسی ۵/۰ الی ۵/۵ گیگاهرتز، یک محیط تطبیق مناسب طراحی شده است. ابتدا در بخش پردازش از روشهای بازسازی تصویر مانند الگوریتمهای بیمفرمر تاخیر و جمع و همچنین تاخیر ضرب و جمع استفاده میشود. تصاویر بازسازی شده مفید بودن روش متداول پیشنهادی را در تشخیص هدف کروی در محدوده یک سانتیمتر نشان میدهد. هدف اصلی این مقاله طبقهبندی سکته مغزی ایسکمیکی و هموروژیک با استفاده از رویکردهای یادگیری عمیق است. برای این منظور یک الگوریتم طبقهبندی تصویر برای تخمین نوع سکته از تصاویر بازسازی شده ایجاد میشود که در این راستا با استفاده از روش پیشنهادی یادگیری عمیق تصاویر بازسازی شده توسط یک ماشین بردار پشتیبان خطی چند کلاسه با ویژگی استخراج شده توسط یک شبکه عصبی کانولوشن آموزش میبینند. نتایج شبیهسازی شده عملکرد مناسب روش پیشنهادی را در تعیین محل دقیق اهداف خونریزی با دقت ۸۹ درصد و در مدت زمان ۹ ثانیه نشان میدهد. علاوه بر این، روش پیشنهادی یادگیری عمیق به دلیل سردرگم نبودن سیستم در بین طبقات مختلف از نظر طبقهبندی عملکرد خوبی را نشان میدهد.
Keywords:
Authors
دانشکده مهندسی برق- واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران
دانشکده مهندسی برق- دانشگاه علوم و فنون هوایی شهید ستاری، تهران، ایران
دانشکده مهندسی برق- واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران
دانشکده مهندسی برق- واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این Paper: