شناسایی اسکولیوز ستون فقرات در تصاویر X-ray با استفاده از MobileNetV۲

اسکولیوز یکی از شایعترین ناهنجاریهای ساختاری ستون فقرات است که در صورت عدم تشخیص و درمان به موقع میتواند منجر به مشکلات حرکتی درد مزمن و اختلال در عملکرد اندامهای داخلی شود. هدف این پژوهش ارائه رویکردی دقیق و کارآمد برای تشخیص خودکار اسکولیوز با استفاده از یادگیری عمیق و معماری سبک MobileNetV۲ است. داده های مورد استفاده شامل تصاویر رادیوگرافی ستون فقرات بیماران مبتلا و افراد سالم بوده و پس از پیش پردازش شامل تغییر اندازه نرمال سازی و افزایش داده به مدل آموزش داده شد. مدل پیشنهادی با بهره گیری از وزنهای اولیه آموزش دیده بر روی ImageNet و لایه های کاملا متصل سفارشی، بر روی محیط Google Colab و با فریم ورک TensorFlow/Keras پیاده سازی گردید ارزیابی عملکرد مدل بر روی داده های آزمون نشان داد که رویکرد پیشنهادی با دقت کلی ۹۷ توانسته است اسکولیوز را با دقت بالا و نرخ خطای اندک شناسایی کند. نتایج به دست آمده بیانگر پتانسیل بالای مدل ۲ Mobile Net در توسعه سامانه های هوشمند کمک تشخیصی در محیطهای درمانی است به ویژه در شرایطی که محدودیت منابع پردازشی وجود دارد.

کلیدواژه ها:

اسکولیوز ، یادگیری عمیق ، Mobile Net V۲ ، تشخیص پزشکی ، پردازش تصویر