تشخیص خودکار پوکی استخوان از تصاویر اشعه ایکس با شبکههای عصبی کانولوشنی و تحلیل ویژگی چندگانه

پوکی استخوان، بیماری شایع استخوانی، با کاهش تراکم استخوان خطر شکستگی را افزایش میدهد. تشخیص زودهنگام این بیماری برای مدیریت موثر آن حیاتی است. در این پژوهش، روشی مبتنی بر یادگیری عمیق برای شناسایی خودکار پوکی استخوان از تصاویر اشعه ایکس پیشنهاد شده است. این روش از شبکه های عصبی کانولوشنی برای استخراج و طبقه بندی ویژگیهای کلیدی تصاویر بهره می برد. ابتدا، پایگاه داده تصاویر به دو بخش آموزشی و آزمایشی تقسیم شد. تصاویر در مرحله پیشپردازش برای بهبود کنتراست، کاهش نویز و یکسان سازی اندازه آماده شدند. سپس، ویژگیهای متنوعی شامل بافت، لبه ها، شکل و اطلاعات آماری از تصاویر استخراج و بهصورت ترکیبی به مدل وارد شدند. شبکه عصبی عمیق طراحی شده، با یادگیری این ویژگیها، قادر به طبقه بندی دقیق تصاویر شد. نتایج ارزیابی نشان داد که این مدل دقت باالیی در تشخیص پوکی استخوان دارد. این روش، با ارائه رویکردی خودکار و قابل اعتماد، میتواند بهعنوان ابزاری کمکی در تشخیص پزشکی مورد استفاده قرار گیرد و گامی در جهت بهبود فرآیندهای تشخیصی باشد.

کلیدواژه ها:

تشخیص پوکی استخوان ، پردازش تصویر ، شبکه عصبی کانولوشنال ، معماری چند شاخه ، پیش یادگیری