تشخیص اختلال اوتیسم با استفاده از پردازش تصاویر MRI و شبکه های یادگیری عمیق

اوتیسم یک اختلال رشدی از نوع روابط اجتماعی است که در فارسی به خودماندگی ترجمه می شود و تاکنون علت مشخص و خاصی برای این بیماری ذکر نشده است ؛ اما ترکیبی از عوامل ارثی و محیطی در ایجاد بیماری موثر است . این عارضه نتیجه یک اختلال عصبی شناختی است که بر عملکرد طبیعی مغز تاثیر می گذارد و رشد آن را در حوزههای مربوط به ارتباط و تعامل اجتماعی مختل می کند. ابتدا تصاویر مورد نظر از پایگاه داده دانلود خواهد شد. برای دسترسی به تصاویر MRI مربوط به افراد سالم و افراد دارای اوتیسم از پایگاه داده ABIDE I استفاده خواهد شد. در این تحقیق از دیتاست موجود در پایگاه داده ABIE I استفاده خواهد شد. این پایگاه داده شامل اطلاعات ۱۱۱۲ کودک شامل ۵۳۹ کودک سالم و ۵۷۳ کودک مبتلا به اوتیسم است . هر برش مغزی از تصاویر MRIدارای وضوح ۱۶۶*۲۵۶ پیکسل است . براساس نتایج حاصل ، روش پیشنهادی می تواند سالم یا بیمار بودن افراد را از طریق پردازش تصاویر MRI آنها با دقت ۷۶,۹۶ درصد تشخیص دهد. از طرفی ، مقایسه عملکرد روش پیشنهادی با حالت دیگر نشان داد که هریک از تکنیک های قطعه بندی و نرمالسازی تصاویرم می توانند به ترتیب افزایش حداقل ۸۷,۲ و ۹۴,۱ درصدی دقت را درپی داشته باشند. روش پیشنهادی از نظر معیارهای صحت ، ویژگی و F-Measire می تواند تشخیص اختلالات طیفی اوتیسم را با کیفیت بالاتری انجام دهد. اگرچه این افزایش کارایی در روش پیشنهادی مستلزم صرف توان پردازشی بالاتری می باشد؛ اما با در نظر داشتن برتریهای آن می توان این بار محاسباتی را نادیده گرفت .

کلیدواژه ها:

اختلال اوتیسم ، پردازش تصاویر MRI ، شبکه های یادگیری عمیق