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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.

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 :
  • Khodabandeh Z, Rabbani H, Shirani Bidabadi N, Bonyani M, Kafieh ...
  • Eshaghi A, Young AL, Wijeratne PA, Prados F, Arnold DL, ...
  • Zhao Y, Healy BC, Rotstein D, Guttmann CR, Bakshi R, ...
  • Dobson R, Giovannoni G. Multiple sclerosis-a review. Eur J Neurol. ...
  • Kapucu S, Akkuş Y, Akdemir N. Knowledge of patients with ...
  • Filippi M, Brück W, Chard D, Fazekas F, Geurts JJ, ...
  • Rocca MA, Preziosa P, Barkhof F, Brownlee W, Calabrese M, ...
  • Filippi M, Preziosa P, Banwell BL, Barkhof F, Ciccarelli O, ...
  • Coles A. Multiple sclerosis: the bare essentials. Pract Neurol. ۲۰۰۹; ...
  • Wattjes MP, Steenwijk MD, Stangel M. MRI in the diagnosis ...
  • Tomassini V, Sinclair A, Sawlani V, Overell J, Pearson OR, ...
  • Granziera C, Wuerfel J, Barkhof F, Calabrese M, De Stefano ...
  • Davanian F, Adibi I, Tajmirriahi M, Monemian M, Zojaji Z, ...
  • Filippi M, Rocca MA, De Stefano N, Enzinger C, Fisher ...
  • Okuda DT, Lebrun-Frénay C. Transforming grayscale MRI images to color ...
  • Collorone S, Coll L, Lorenzi M, Lladó X, Sastre-Garriga J, ...
  • Ananthavarathan P, Sahi N, Chard DT. An update on the ...
  • Aslam N, Khan IU, Bashamakh A, Alghool FA, Aboulnour M, ...
  • Shen D, Wu G, Suk H-I. Deep learning in medical ...
  • Liang X, Zeng Q, Zhu Y, Wang Y, He T, ...
  • Suk HI, Lee SW, Shen D; Alzheimer’s Disease Neuroimaging Initiative. ...
  • Havaei M, Davy A, Warde-Farley D, Biard A, Courville A, ...
  • Hechmi C, Bouzidi D, Jemai O, editors. Convolutional neural network ...
  • Seok JM, Cho W, Chung YH, Ju H, Kim ST, ...
  • Çiçek Ö, Abdulkadir A, Lienkamp SS, Brox T, Ronneberger O, ...
  • Tousignant A, Lemaître P, Precup D, Arnold DL, Arbel T, ...
  • Saidha S, Al-Louzi O, Ratchford JN, Bhargava P, Oh J, ...
  • LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. ۲۰۱۵; ...
  • Montolío A, Cegoñino J, Garcia-Martín E, Pérez del Palomar A. ...
  • Shoeibi A, Khodatars M, Jafari M, Moridian P, Rezaei M, ...
  • Aghababaei A, Arian R, Soltanipour A, Ashtari F, Rabbani H, ...
  • Alsubaie MG, Alharbi FK, Albalawi AM, Almutairi AF, Alqahtani MM, ...
  • Gianchecchi E, Delfino DV, Fierabracci A. Recent insights on the ...
  • Awad A, Hemmer B, Hartung H-P, Kieseier B, Bennett JL, ...
  • Link H, Huang Y-M. Oligoclonal bands in multiple sclerosis cerebrospinal ...
  • Cross AH, Gelfand JM, Thebault S, Bennett JL, Von Büdingen ...
  • Axelsson M, Malmeström C, Nilsson S, Haghighi S, Rosengren L, ...
  • Martin S-J, McGlasson S, Hunt D, Overell J. Cerebrospinal fluid ...
  • Passali M, Galea I, Knudsen MH, Lau LC, Cramer SP, ...
  • Striano P, Orefice G, Brescia Morra V, Boccella P, Sarappa ...
  • Vázquez-Marrufo M, Galvao-Carmona A, Caballero-Díaz R, Borges M, Paramo MD, ...
  • Zhang X, Wang M, Wei W, Xu Y, Gao L, ...
  • Wątorek M, Tomczyk W, Gawłowska M, Golonka-Afek N, Żyrkowska A, ...
  • Mórocz I, Jouzizadeh M, Ghaderi AH, Cheraghmakani H, Baghbanian SM, ...
  • Mokdad A, Debbal SMEA, Meziani F. Diagnosis of amyotrophic lateral ...
  • Ferahtia A. Surface water quality assessment in semi-arid region (El ...
  • Qader TM, Abdullah Q. Utility of single fibre electromyography (SFEMG) ...
  • Bashford J, Mills K, Shaw CE. The evolving role of ...
  • Huang S-C, Guerrieri S, Dalla Costa G, Pisa M, Leccabue ...
  • Dai J. Sparse discrete wavelet decomposition and filter bank techniques ...
  • Fan F, Li M, Teng Y, Wang G. Soft autoencoder ...
  • Hossen A, Anwar AR, Koirala N, Ding H, Budker D, ...
  • Ford H. Clinical presentation and diagnosis of multiple sclerosis. Clin ...
  • Cagol A, Cortese R, Barakovic M, Schaedelin S, Ruberte E, ...
  • Geurts P, Ernst D, Wehenkel L. Extremely randomized trees. Mach ...
  • Biau G. Analysis of a random forests model. J Mach ...
  • Chen T, Guestrin C, editors. XGBoost: a scalable tree boosting ...
  • Khodabandeh Z, Rabbani H, Shirani Bidabadi N, Bonyani M, Kafieh ...
  • Eshaghi A, Young AL, Wijeratne PA, Prados F, Arnold DL, ...
  • Zhao Y, Healy BC, Rotstein D, Guttmann CR, Bakshi R, ...
  • Dobson R, Giovannoni G. Multiple sclerosis-a review. Eur J Neurol. ...
  • Kapucu S, Akkuş Y, Akdemir N. Knowledge of patients with ...
  • Filippi M, Brück W, Chard D, Fazekas F, Geurts JJ, ...
  • Rocca MA, Preziosa P, Barkhof F, Brownlee W, Calabrese M, ...
  • Filippi M, Preziosa P, Banwell BL, Barkhof F, Ciccarelli O, ...
  • Coles A. Multiple sclerosis: the bare essentials. Pract Neurol. ۲۰۰۹; ...
  • Wattjes MP, Steenwijk MD, Stangel M. MRI in the diagnosis ...
  • Tomassini V, Sinclair A, Sawlani V, Overell J, Pearson OR, ...
  • Granziera C, Wuerfel J, Barkhof F, Calabrese M, De Stefano ...
  • Davanian F, Adibi I, Tajmirriahi M, Monemian M, Zojaji Z, ...
  • Filippi M, Rocca MA, De Stefano N, Enzinger C, Fisher ...
  • Okuda DT, Lebrun-Frénay C. Transforming grayscale MRI images to color ...
  • Collorone S, Coll L, Lorenzi M, Lladó X, Sastre-Garriga J, ...
  • Ananthavarathan P, Sahi N, Chard DT. An update on the ...
  • Aslam N, Khan IU, Bashamakh A, Alghool FA, Aboulnour M, ...
  • Shen D, Wu G, Suk H-I. Deep learning in medical ...
  • Liang X, Zeng Q, Zhu Y, Wang Y, He T, ...
  • Suk HI, Lee SW, Shen D; Alzheimer’s Disease Neuroimaging Initiative. ...
  • Havaei M, Davy A, Warde-Farley D, Biard A, Courville A, ...
  • Hechmi C, Bouzidi D, Jemai O, editors. Convolutional neural network ...
  • Seok JM, Cho W, Chung YH, Ju H, Kim ST, ...
  • Çiçek Ö, Abdulkadir A, Lienkamp SS, Brox T, Ronneberger O, ...
  • Tousignant A, Lemaître P, Precup D, Arnold DL, Arbel T, ...
  • Saidha S, Al-Louzi O, Ratchford JN, Bhargava P, Oh J, ...
  • LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. ۲۰۱۵; ...
  • Montolío A, Cegoñino J, Garcia-Martín E, Pérez del Palomar A. ...
  • Shoeibi A, Khodatars M, Jafari M, Moridian P, Rezaei M, ...
  • Aghababaei A, Arian R, Soltanipour A, Ashtari F, Rabbani H, ...
  • Alsubaie MG, Alharbi FK, Albalawi AM, Almutairi AF, Alqahtani MM, ...
  • Gianchecchi E, Delfino DV, Fierabracci A. Recent insights on the ...
  • Awad A, Hemmer B, Hartung H-P, Kieseier B, Bennett JL, ...
  • Link H, Huang Y-M. Oligoclonal bands in multiple sclerosis cerebrospinal ...
  • Cross AH, Gelfand JM, Thebault S, Bennett JL, Von Büdingen ...
  • Axelsson M, Malmeström C, Nilsson S, Haghighi S, Rosengren L, ...
  • Martin S-J, McGlasson S, Hunt D, Overell J. Cerebrospinal fluid ...
  • Passali M, Galea I, Knudsen MH, Lau LC, Cramer SP, ...
  • Striano P, Orefice G, Brescia Morra V, Boccella P, Sarappa ...
  • Vázquez-Marrufo M, Galvao-Carmona A, Caballero-Díaz R, Borges M, Paramo MD, ...
  • Zhang X, Wang M, Wei W, Xu Y, Gao L, ...
  • Wątorek M, Tomczyk W, Gawłowska M, Golonka-Afek N, Żyrkowska A, ...
  • Mórocz I, Jouzizadeh M, Ghaderi AH, Cheraghmakani H, Baghbanian SM, ...
  • Mokdad A, Debbal SMEA, Meziani F. Diagnosis of amyotrophic lateral ...
  • Ferahtia A. Surface water quality assessment in semi-arid region (El ...
  • Qader TM, Abdullah Q. Utility of single fibre electromyography (SFEMG) ...
  • Bashford J, Mills K, Shaw CE. The evolving role of ...
  • Huang S-C, Guerrieri S, Dalla Costa G, Pisa M, Leccabue ...
  • Dai J. Sparse discrete wavelet decomposition and filter bank techniques ...
  • Fan F, Li M, Teng Y, Wang G. Soft autoencoder ...
  • Hossen A, Anwar AR, Koirala N, Ding H, Budker D, ...
  • Ford H. Clinical presentation and diagnosis of multiple sclerosis. Clin ...
  • Cagol A, Cortese R, Barakovic M, Schaedelin S, Ruberte E, ...
  • Geurts P, Ernst D, Wehenkel L. Extremely randomized trees. Mach ...
  • Biau G. Analysis of a random forests model. J Mach ...
  • Chen T, Guestrin C, editors. XGBoost: a scalable tree boosting ...
  • نمایش کامل مراجع