ارائه راهکاری برای تحلیل تصاویر رادیولوژی قفسه سینه با استفاده از یادگیری عمیق

قفسه سینه انسان از اندام های حیاتی و مهمی مانند قلب، ریه ها، دنده ها تشکیل شده است. انسان ها دچار امراض مختلفی چون آدم، پنومونی، کاردیومگالی و غیره در این محدوده می شوند، راه های مختلفی جهت تشخیص بیماری های این منطقه مثل سی تی اسکن و ام آر آی وجود دارد اما، بهترین و کم هزینه ترین راه جهت تشخیص بیماری های این ناحیه عکس رادیولوژی قفسه سینه می باشد. در این مقاله تلاش می شود راه حلی مفید و بدون دخالت انسان جهت تشخیص بیماری های مهم این حوزه یافت. از عکس رادیولوژی قفسه سینه به عنوان اولین گام تشخیصی در جهت درمان هم بهره برد. چرا که در مناطق روستایی و شهری کمتر برخوردار از خدمات پزشکی و پیراپزشکی و مراکز تخصصی رادیولوژی، عدم تشخیص به موقع سبب به خطر افتادن جان انسان ها می شود. در این تحقیق تلاش کردیم تا با استفاده از روش های یادگیری عمیق به خصوص شبکه عصبی کانولوشن با سه لایه مخفی و استفاده از دیتاست Sample از مجموعه دیتاست معروف Nih انتخاب یک قاب ورودی 32*32 از تصویر رادیولوژی شبکه ای توانمند در جهت تشخیص بیماری های قفسه سینه ایجاد کنیم. نتایج حاصل از این شبکه عصبی کانولوشن بعد از 20 بار تکرار منجر به دقت 0.242 در مدل و صحت تشخیص بالای 97.4 درصد شد.

کلیدواژه ها:

یادگیری عمیق ، شبکه عصبی کانولوشن ، عکس قفسه سینه