تشخیص خودکار آمفیزم ریوی با استفاده از شبکه عصبی عمیق مبتنی بر Unet بهینه سازی شده

مقدمه: یکی از بیماری های ریوی که معمولا تا سنین بالا ناشناخته می ماند و درمان قطعی ندارد، آمفیزم ریوی است که تشخیص سریع این بیماری به افراد درگیر در این بیماری کمک زیادی می کند و از رشد توده های آمفیزم جلوگیری می کند. این تحقیق سعی در تشخیص زودهنگام این بیماری به کمک روش های یادگیری عمیق دارد. روش کار: این تحقیق با کمک شبکه عصبی Unet بهینه سازی شده با الگوریتم فراابتکاری GPC ، سعی در تشخیص سریع تر این بیماری دارد. داده های این پژوهش از بیمارستان های امام علی و بوعلی سینا شهرستان زاهدان استان سیستان و بلوچستان جمع آوری شده است. داده ها شامل ۳۰۰ قطعه با آمفیزم شامل  ۶۵ مورد CLE ، ۹۷ مورد PSE  و ۱۳۸ مورد PLE  و ۴۵ مورد داده نرمال است. این  داده ها توسط شبکه عصبی عمیق Unet و با الگوریتم بهینه سازی GPC مورد بررسی قرار گرفتند و در نهایت به کمک معیارهای accuracy،recall، Specificity و F-measure با سایر روش های انجام شده مورد مقایسه و بررسی قرار گرفتند. یافته ها: در این پژوهش معیارهای به کاررفته به ترتیب با دقت ۱۸/۹۷، پیش بینی۴۰/۹۸، حساسیت ۲۳/۴۸ و امتیاز f ۹۷/۵۰ ، نتایج بسیار بهتری در مقایسه با سایر روش های تشخیص آمفیزم به کمک شبکه Unet بهینه شده داشته است که  نشان از تشخیص سریع تر و دقیق تر و اثر بخش تر این بیماری به کمک روش پیشنهادی دارد. نتیجه گیری: استفاده از روش های درست یادگیری عمیق در ترکیب با الگوریتم های بهینه سازی قوی می تواند درمان سریع تر و دقیق تر بیماری ها را امکان پذیر سازد.

Keywords:

Artificial intelligence , Neural networks , Pulmonary emphysema , Image processing , Deep Learning , هوش مصنوعی , شبکه های عصبی , آمفیزم ریوی , پردازش تصویر , یادگیری عمیق