تشخیص بیماری ام اس توسط تکنیک یادگیری عمیق و طبقه بندی کننده SVM

شناخت علائم ام اس (MS) یا مالتیپل اسکلروزیس به شما کمک می کند که سریع تر این بیماری را درمان کنید. مالتیپل اسکلروزیس (MS) یک بیماری پیشرونده است که به واسطه سیستم ایمنی بدن ایجاد می شود. این بدان معنی است که سیستم ایمنی به اشتباه به قسمت هایی از بدن که برای عملکرد روزمره حیاتی هستند حمله می کند. در این حمله پوشش محافظ سلول های عصبی آسیب می بیند که این امر به اختلال عملکرد مغز و نخاع منجر می شود. این بیماری عمدتا در سنین ۲۰ تا ۴۰ سال دیده می شود و زنان را بیش از مردان مبتلا می کند. مولتیپل اسکلروزیس (MS) مغز و نخاع را تحت تاثیر قرار می دهد و باعث ایجاد طیف گسترده ای از علائم بالقوه از جمله مشکلات بینایی، حرکت دست یا پا، اختلال در تعادل و بینایی می شود. بیماری ام اس یک بیماری سیستم عصبی مرکزی است که می تواند علائمی را در سراسر بدن ایجاد کند. اکثر متخصصان معتقدند که این یک وضعیت خود ایمنی است که در آن سیستم ایمنی به اشتباه به بافتهای طبیعی بدن حمله می کند. در این مقاله هدف تشخیص بیماری ام اس با استفاده از یادگیری عمیق می باشد که به این منظور از تصاویر MRI استفاده می شود سپس از تصاویر را به عنوان ورودی به شبکه عصبی کانولوشن داده می شود و از طریق تکنیک یادگیری عمیق از تصاویر ویژگی استخراج می شود و به طبقه بندی کننده SVM داده می شود، طبقه بندی کننده SVM با درصد ۹۹.۹۸ .بیماری ام اس را تشخیص داده است

کلیدواژه ها:

ام اس ، شبکه عصبی کانولوشن ، یادگیری عمیق ، ام ار آی مغز