تشخیص خودکار ناهنجاری های شریانی -وریدی مغز بر پایه تصاویر Brain MRI با بکارگیری مبدل های بینایی

تشخیص زودهنگام ناهنجاری شریانی-وریدی مغزی (AVM) نقشی حیاتی در پیشگیری از عوارض جبران ناپذیر دارد، اما روش های استاندارد تشخیص مانند آنژیوگرافی، اغلب تهاجمی و پرهزینه هستند و تشخیص دقیق این عارضه در تصاویر MRI معمولی نیز به دلیل تفاوت های ناچیز بافتی، حتی برای متخصصان دشوار است. پژوهش حاضر با هدف ارائه یک سامانه هوشمند تشخیص خودکار AVM و ناهنجاری های شریانی وریدی دیگر مبتنی بر تصاویر Brain MRI استاندارد (T۲-weighted و FLAIR) و بدون نیاز به داده های مکمل MRA انجام شد. در این مطالعه، مجموعه داده ای شامل ۵۳۸ مورد (۲۷۴ بیمار و ۲۶۴ فرد سالم) از بیمارستان ولیعصر بیرجند گردآوری شد و پس از اعمال پیش پردازش و انتخاب برش های کلیدی، عملکرد چندین معماری پیشرفته ترنسفورمر بینایی (ViT) شامل Google ViT، Microsoft BEiT و Facebook ViT با استفاده از مکانیزم رای گیری مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل Google ViT با دستیابی به حساسیت (Recall) ۱۰۰ درصد و امتیاز F۱ معادل ۸۳.۹ درصد، برترین عملکرد را داشته و موفق به شناسایی تمامی موارد مثبت بدون هیچ گونه منفی کاذب شده است که از عملکرد خبرگان انسانی نیز فراتر بود. این مدل توانست با شناسایی الگوهای پنهان و تغییرات ثانویه بافت مغز، ابزاری دقیق، سریع و غیرتهاجمی را برای غربالگری AVM فراهم آورد که می تواند به عنوان مکمل یا جایگزین روش های پیچیده در مراکز درمانی مورد استفاده قرار گیرد.

کلیدواژه ها:

مغز ، ام آرآی ، مبدل های بینایی ، ناهنجاری شریانی-وریدی