مروری بر فنون تشخیصی و هوش مصنوعی برای شناسایی مالتیپل اسکلروزیس
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 6
فایل این مقاله در 36 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SHIMU-33-3_009
تاریخ نمایه سازی: 14 مرداد 1404
چکیده مقاله:
مقدمه: مالتیپل اسکلروزیس (MS) اختلالی خودایمنی است که در آن دستگاه ایمنی به غلاف میلین اعصاب حمله می کند و باعث آسیب و اختلال در انتقال سیگنال های عصبی می شود. این بیماری می تواند به ضعف عضلانی، مشکلات بینایی، نداشتن تعادل و ناهماهنگی منجر گردد. تشخیص سریع و دقیق آن برای مدیریت و کنترل بیماری ضروری است؛ زیرا می تواند روند پیشرفت را کند نماید و از آسیب های دائمی جلوگیری کند.
مواد و روشها: در این پژوهش، روش های تشخیصی MS شامل الکتروانسفالوگرافی، الکترومیوگرافی، داده های بالینی، آنالیز مایع مغزی نخاعی، تصویربرداری رزونانس مغناطیسی و توموگرافی انسجام نوری بررسی شد؛ همچنین روش های مبتنی بر هوش مصنوعی برای تحلیل خودکار داده ها و تشخیص سریع تر بیماری معرفی گردیدند. به عنوان روش انحصاری، پلتفرم مبتنی بر تشخیص خودکار از طریق ادغام روش های موجود ارائه شد.
یافته های پژوهش: بررسی ها نشان داد که تصویربرداری رزونانس مغناطیسی دقت بالایی در تشخیص دارد. با توجه به میانگین دقت روش های مبتنی بر هوش مصنوعی در هرکدام از روش های اصلی برای تصویربرداری رزونانس مغناطیسی، توموگرافی انسجام نوری، الکتروانسفالوگرافی، الکترومیوگرافی و آزمایش های مایع مغزی نخاعی به ترتیب به دقت های ۹۰، ۷۵، ۸۰، ۹۰ و ۹۵ درصدی دست می یابند. پلتفرم پیشنهادی ترکیب این روش ها را برای افزایش سرعت و دقت تشخیص ارائه می دهد.
بحث و نتیجه گیری: استفاده از فنون پیشرفته در تشخیص MS و ترکیب روش های مختلف می تواند به تشخیص زودهنگام، بهبود روند درمان و کاهش عوارض بیماری کمک کند.
کلیدواژه ها:
Multiple sclerosis ، MRI ، OCT ، EEG ، Artificial intelligence ، مولتیپل اسکلروزیس ، هوش مصنوعی ، MRI ، OCT ، EEG
نویسندگان
اسما رئیسی
Dept of Electrical and Biomedical Engineering, Faculty of Engineering and Technology, Shahid Ashrafi Esfahani University, Isfahan, Iran
مهسا نصیری
Dept of Electrical and Biomedical Engineering, Faculty of Engineering and Technology, Shahid Ashrafi Esfahani University, Isfahan, Iran
هاجر دانش
Dept of Electrical and Biomedical Engineering, Faculty of Engineering and Technology, Shahid Ashrafi Esfahani University, Isfahan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :