به کارگیری سیستم استنتاج فازی در پیش پردازش جهت بهبود بخش بندی ضایعات سکته ی مغزی با استفاده از شبکه ی عصبی عمیق U-Net

سکته ی مغزی یکی از علل مرگ و میر و عامل اصلی ایجاد ناتوانی بیماران در کشورهای توسعه یافته است. به طور معمول شناسایی ضایعات سکته ی مغزی به وسیله ی تصویربرداری مغناطیسی صورت گرفته و تحلیل آن نیازمند حضور مستمر پزشک در مرکز درمانی است. لذا پردازش هوشمند تصاویر پزشکی رویکردی موثر برای تشخیص خودکار ضایعات مغزی می باشد. در این مقاله یک چارچوب تلفیقی جدید بر مبنای سیستم استنتاج فازی و شبکه ی عصبی عمیق برای بخش بندی خودکار ضایعات مغزی معرفی شده است. در این راستا ابتدا به معرفی یک شبکه ی عمیق U-Net بهبود یافته برای تشخیص و بخش بندی ضایعه پرداخته شده که شامل افزایش تعداد لایه های بخش های رمزگذار و رمزگشا به همراه تغییر توابع فعال سازی است. سپس با به کارگیری یک سیستم استنتاج فازی مبتنی بر قواعد اگر-آن گاه، رویکرد پیشنهادی این مطالعه که بر مبنای پیش پردازش تصاویر ورودی و به کارگیری شبکه ی یونت بوده معرفی شده است. نتایج نشان داده که تلفیق سیستم استنتاج فازی در پیش پردازش با شبکه ی عمیق یونت توانسته است ضریب دایس را تا میزان ۸۴/۰ افزایش دهد. به علاوه بهبود کنتراست تصاویر ورودی توسط سیستم فازی نسبت به روش یکسان سازی هیستوگرام، باعث عمل کرد بسیار بهتری در تشخیص ضایعات با ابعاد کوچک شده که دلیل آن توانمندی بیش تر کنترل کنتراست در قواعد فازی است.

کلیدواژه ها:

ضایعه ی سکته ی مغزی ، تصاویر رزونانس مغناطیسی ، یادگیری عمیق ، شبکه ی U-Net ، سیستم استنتاج فازی