طراحی یک چارچوب چند شاخه ای مبتنی بر شبکه های عصبی عمیق برای استخراج و ترکیب ویژگی های تصویری در تشخیص پوکی استخوان

پوکی استخوان یکی از بیماری های شایع و خاموش استخوانی است که با کاهش تراکم و تضعیف ساختار درونی استخوان ها احتمال شکستگی را به طور قابل توجهی افزایش می دهد. تشخیص زودهنگام این بیماری نقش مهمی در پیشگیری و کاهش هزینه های درمان دارد. در این پژوهش روشی هوشمند مبتنی بر شبکه های عصبی عمیق برای شناسایی خودکار پوکی استخوان از تصاویر رادیوگرافی ارائه شده است. تصاویر پس از انجام مراحل پیش پردازش مانند حذف نویز، افزایش وضوح و یکنواخت سازی، به یک شبکه کانولوشنال چند شاخه داده شدند تا هر شاخه نوع خاصی از ویژگی ها شامل بافت، لبه، شکل و الگوهای آماری را استخراج کند. در نهایت با ترکیب خروجی شاخه ها مدل توانست با دقتی برابر با ۹۸/۵۰ درصد، تصاویر را در سه کلاس سالم، کاهش تراکم و پوکی استخوان طبقه بندی کند. نتایج نشان داد روش پیشنهادی از توان تعمیم بالا و دقت مناسب در تشخیص برخوردار است و می تواند در تصمیم گیری های بالینی به عنوان ابزاری کمکی موثر مورد استفاده قرار گیرد.

کلیدواژه ها:

پوکی ، استخوان ، یادگیری عمیق ، شبکه عصبی کانولوشنال ، پردازش تصویر پزشکی ، طبقه بندی تصاویر