تشخیص شکستگی جمجمه با استفاده از پردازش تصویر و یادگیری عمیق در تصاویر سی تی اسکن

شکستگی های جمجمه از جمله آسیب های جدی تروماتیک هستند که در صورت عدم تشخیص سریع و دقیق، می توانند منجر به عوارض جدی همچون خونریزی داخلی، افزایش فشار مغزی یا حتی مرگ بیمار شوند. در این پژوهش یک مدل یادگیری عمیق مبتنی بر معماری U-Net برای تشخیص خودکار شکستگی جمجمه از روی تصاویر سی تی اسکن طراحی و پیاده سازی شده است. این مدل پس از دریافت تصاویر ورودی و انجام مراحل پیش پردازش، نواحی مشکوک به شکستگی را با دقت بالایی شناسایی می کند. مجموعه داده شامل تصاویر واقعی بیماران پس از برچسب گذاری تخصصی برای آموزش و آزمون مدل به کار رفته است. ارزیابی مدل با استفاده از معیارهایی مانند دقت، حساسیت، ویژگی و دیگر پارامترهای ارزیابی نشان می دهد که روش پیشنهادی قادر است عملکرد بهتری نسبت به روش های سنتی و مدل های دیگر ارائه دهد. نتایج این پژوهش بیانگر اثربخشی معماری U-Net در شناسایی دقیق شکستگی های جمجمه و نقش آن در ارتقای کیفیت تشخیص های پزشکی است.

کلیدواژه ها:

تشخیص شکستگی جمجمه ، یادگیری عمیق ، معماری U-Net ، پردازش تصویر پزشکی ، سی تی اسکن