تشخیص زودهنگام بیماری MS در تصاویر MRI با استفاده از تجمیع توصیفگرها و انتخاب ویژگی به کمک الگوریتم تکاملی- تفاضلی

بیماری فلج چندگانه یک بیماری مغزی است که تشخیص زودهنگام آن در درمان آن اهمیت فراوانی دارد. یکی از راه های تشخیص این بیماری مشاهده ضایعات ناشی از این بیماری در MRI می باشد. اغلب راهکارهای پیشین با ایراداتی از قبیل دقت کم در تشخیص، وجود تعداد بالای ویژگی ها، به دنبال آن زمانبر بودن تحلیل و نیز نبود عدم قطعیت در دستیابی به پاسخ بهینه همراه هستند.در این مقاله، برای اولین بار مجموعه بردار ویژگی ها از تجمیع نتایج حاصل از توصیفگرهای بافت تصویر MRI نظیر تبدیل موجک، ویژگی های آشوب (فراکتال)، الگوی باینری محلی شکل می گیرد. ارائه یک مجموعه ویژگی انتخاب شده با استفاده از الگوریتم تکاملی-تفاضلی تاکنون برای این مقوله از شناسایی مورد استفاده قرار نگرفته و از این رو تکنیک پیشنهادی برای اولین بار در انتخاب ویژگی بیماری MS پیشنهاد شده است. همچنین دسته بند پیشنهادی، مدلی بهبود یافته از در کنار هم قرار دادن سه نوع شبکه عصبی خواهد بود. مضاف بر این موارد، بهبود دقت، بهبود حساسیت و امکان بررسی صحت پاسخ های حاصل از طبقه بندی به عنوان موارد دیگر نوآوری تلقی می گردد.داده های دریافتی در این مقاله، از دو مجموعه داده گرفته شده است. پس از اعتبارسنجی متقاطع K-fold، دقت آزمایشی در هر دو مجموعه تصویر به کار گرفته شده، به ترتیب معادل با ۹۵% و ۹۷% حاصل آمده اند که نسبت به روشی که در آن از تبدیل موجک به همراه آنالیز اجزای اصلی و ماشین بردار پشتیبان استفاده شده به میزان ۲% بهبود داشته و همچنین مشکل عدم قطعیت نیز برطرف شده است.الگوریتم معرفی شده، فاکتور دقت را که در روش های گذشته مورد توجه قرار نگرفته بود لحاظ کرده و نسبت به روش های قبلی دقت تشخیصی بیشتری دارد. این الگوریتم نه تنها زمان پردازش را کاهش می دهد، بلکه امکان پردازش همزمان از کانال های مختلف را نیز فراهم می کند و با نظرات پزشکان متخصص همخوانی بیشتری دارد. با وجود عدم استفاده از تکنیک جداسازی-پردازش همزمان، میزان خطاهای مثبت و منفی در شناسایی بیماری MS بسیار کم است. برای کارهای آینده، پیشنهاداتی شامل حذف نویز در مرحله پیش پردازش، ترکیب تکنیک های انتخاب ویژگی برای افزایش دقت و استفاده از پردازش موازی به عنوان ابزار اصلی در نرم افزارهای جداساز مطرح شده است.

کلیدواژه ها:

بیماریMS ، استخراج ویژگی ، الگوریتم تکاملی-تفاضلی