استفاده از یادگیری تقویتی عمیق برای قطعه بندی خودکار تصاویر تشدید مغناطیسی مغز نوزادان
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 31
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NTDS-2-2_006
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
فرآیند قطعه بندی تصاویر حاصل از تصویربرداری تشدید مغناطیسی مغز نوزادان، به دلیل ویژگی های ساختاری خاص مغز در این دوره از رشد، با چالش های منحصربه فردی همراه است. قطعه بندی تصاویر پزشکی با استفاده از شبکه های عصبی پیچشی در صورت تنظیم مناسب فراپارامترهای آن ها می تواند به نتایج موفقیت آمیزی منجر شود. در این پژوهش، یک روش نوآورانه دو مرحله ای برای انجام قطعه بندی خودکار تصاویر تشدید مغناطیسی مغز نوزادان ارائه شده است. در مرحله نخست، از روش یادگیری تقویتی عمیق مبتنی بر یادگیری مقدار و کنش برای سازگار کردن یک شبکه عصبی پیچشی از نوع رمزگذار–رمزگشا از طریق تنظیم فراپارامترهای آن استفاده می شود تا برآورد اولیه ای از نواحی مورد نظر در برش های مختلف تصویر به دست آید. عامل های یادگیری مقدار و کنش برای بهینه سازی فراپارامترهای شبکه عصبی پیچشی شامل ابعاد فیلترها، توابع تجمیع و پارامترهای طول و عرض به کار گرفته می شوند تا مقدار شاخص همپوشانی قطعه بندی به بیشینه برسد. در بخش دوم روش پیشنهادی، از الگوریتم های فراابتکاری برای بهبود و اصلاح مرز نواحی قطعه بندی شده در مرحله نخست استفاده می شود. در این مرحله، با بهره گیری از روش های بهینه سازی فراابتکاری، مقایسه میان لبه های نواحی تقریبی و لبه های واقعی موجود در تصاویر انجام می شود تا هم ترازی مرزها با ساختارهای آناتومیکی بهبود یابد. ارزیابی روش پیشنهادی دو مرحله ای بر روی مجموعه داده تصاویر مغزی نوزادان نشان می دهد که این رویکرد در حل مسئله قطعه بندی تصاویر مغزی عملکرد برتری داشته و کارآیی بالای آن را در این حوزه نشان می دهد.
کلیدواژه ها:
نویسندگان
سیده طاهره فاطمی
گروه مهندسی کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
شیوا تقی پور عیوضی
گروه مهندسی کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
مسعود کارگر
گروه مهندسی کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
علی غفاری
گروه مهندسی کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران