کدام الگوریتم در تشخیص کدام استخوان و نوع شکستگی موفق تر است؟ پژوهشی مبنی بر استخراج ویژگی به کمک یادگیری عمیق

در طی سال های اخیر، استفاده از الگوریتم های هوشمند و یادگیری ماشین در بسیاری از عرصه ها مانند اتومبیل رانی، بهینه سازی، تشخیص و تفکیک گروه ها و مسائل از این قبیل بسیار مورد توجه قرار گرفته است. تشخیص شکستگی استخوان و نوع شکستگی اولین قدم در درمان شکستگی استخوان می باشد. به این شکل که پزشک متخصص با بررسی تصاویر گرفته- شده از ناحیه مورد نظر به تصمیمگیری در مورد نوع شکستگی در استخوان می پردازد. اما این تشخیص می تواند تحت تاثیر عواملی مانند خستگی، کم دقتی، کمبود زمان و عواملی از این دست، نادرست باشد و باعث وارد کردن صدمات جبران ناپذیر در طی پروسه درمان شود. الگوریتم های هوشمند در این زمینه نیز واردشده و با هدف افزایش صحت عملکرد پزشکان در این قسمت گام برداشته اند. از آنجایی که ساختارهای زیادی در طراحی شبکه های عصبی وجود دارد، سوال این است که کدام شبکه عصبی در تشخیص گروه های استخوانی و نوع شکستگی آنها عملکرد بهتری از خود ارائه خواهدکرد؟ به منظور پاسخ به این سوال، در پژوهش جاری، با ترکیب تکنیک های یادگیری عمیق و الگوریتم های طبقه بندی و خوشه-بندی داده ها، نتایج حاصل از عملکرد هرکدام ارائه شده و در برابر یکدیگر مقایسه شده اند. به این شکل که تصاویر پیش پردازش شده به عنوان ورودی به منظور استخراج ویژگی به ماشین های یادگیری عمیق داده شده و پس از تنظیم بردار ویژگی، طبقه بندی و خوشه بندی توسط الگوریتم های شبکه عصبی انجام شده است. طبق نتایج بدست آمده از پژوهش جاری الگوریتم درخت تصمیم گیری با صحت ۹۷/۶ و دقت ۹۹ درصد و پس از آن الگوریتم های نزدیکترین ۵ و ۷ همسایگی در تشخیص گروه های استخوانی بهترین عملکرد را ارائه کرده اند.

کلیدواژه ها:

تشخیص شکستگی استخوان ، یادگیری عمیق ، شبکه های عصبی ، الگوریتم های خوشه بندی و طبقه بندی