قطعه بندی تصاویر MRI مغز مبتنی بر شبکه عصبی ، الگوریتم ماشین بردار پشتیبان و تبدیل موجک جهت تشخیص بیماری MS

مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماری ها می تواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش می دهد. از جمله بیماری هایی که در گذشته ناشناخته بوده،بیماری MS می باشد که نوعی اختلال خود ایمنی سیستم اعصاب مرکزی است که به واسطه پلاک های پراکنده در ماده سفید مغزی ، در اطراف بطینات مغز و در نخاع مشخص می شود.این پلاک ها در نتیجه تخریب پوشش میلین به واسطه اختلال خود ایمنی به وجود می آید.تصویربرداری MRI به دلیل دقت بالا درتشخیص بافت های نرم و نمایش تمایز بافت های طبیعی از غیر طبیعی جزء ابزارهای مهم در عرصه ی تشخیص انواع بیماری ها به خصوص بیماری های مغزی می باشد.اختلالات عصبی فراوانی وجود دارند که به سیستم عصبی مرکزی بدن آسیب جدی می رسانند.از جمله شایع ترین آن ها می توان به بیماری MS اشاره نمود.تصویر برداری MRI نشان داده است که نسبت به بیماری MS بسیار حساس می باشد و توانایی آن را دارد که ضایعات MS را نسبت به بافت های محیطی خود با شدت متفاوتی نشان دهد. صحت شناسایی و تشخیص ضایعات MS در تصاویر MR به شدت دشوار است و انجام قطعه بندی به صورت ذهنی بسیار پر خطا می باشد.یک جایگزین جذاب و دقیق برای قطعه بندی دستی ، قطعه بندی کامپیوتری می باشد که می تواند با دقت بیشتری و در مدت زمان کمتری این کار را برای پزشک انجام دهد.با استفاده از تبدیل موجک جهت استخراج ویژگی ها و شبکه عصبی و ماشین بردار پشتیبان ،قطعه بندی تصاویر MRI مغز بیمارانMS جهت جداسازی آسانتر ضایعات انجام گرفته است.قطعه بندی نشان می دهد که نتایج قابل اتکا بوده و قابلیت استفاده در بیمارستان ها،کلینیک ها و مراکز درمانی MS را دارد.

کلیدواژه ها:

قطعه بندی ، شبکه عصبی ، ماشین بردار پشتیبان ، تبدیل موجک ، بیماریMS