مروری بر سیستم های خبره تصمیم گیرنده در تشخیص بیماری اسکلروز چندگانه (MS) از تصاویر MR مغزی مبتنی بر یادگیری ماشین

اسکلروزیس چندگانه یا به اختصار MS، بیماری التهابی است که در آن غلاف های میلین سلول های عصبی در مغز و نخاع آسیب می بینند. جهت شناسایی ضایعات ناشی از این بیماری در مغز، تصویربرداری رزونانس مغناطیسی یا MRI کاربردی ترین روش محسوب میشود که میتواند تا حد زیادی به تشخیص صحیح پزشک متخصص کمک کند. مشکل در تشخیص این بیماری از روی تصاویر MR آنجایی است که شناسایی ضایعه به تبحر، تجربه و دقت بالایی نیاز دارد و بر اساس آمارها، تشخیص اشتباه در این تصاویر و برای این بیماری، بالاست. استفاده ازالگوریتمهای شناسایی الگو و یادگیری ماشین میتواند به عنوان یک ابزار تا حد قابل ملاحظهای در تشخیص هوشمند این بیماری سودمند واقعگردد. در جهت شناسایی خودکار این بیماری، اخیرا محققین برآنند که حوزه هوش مصنوعی و محاسبات نرم را به خدمت بگیرند. در مقاله مروریپرداخته شده و سعی بر آن بوده تا نقاط ضعف و نقاط قوت MS حال حاضر به بررسی راهکارهای خودکار شناسایی ضایعات ناشی از بروز بیماریهر یک به تفصیل بیان گردد. اغلب تکنیکها بر جداسازی متکی بر اصول پردازش تصویر استوار هستند، در حالی که در برخی دیگر هدف دسته-بندی ضایعات نسبت به سایر بافتهای سالم بوده است. نتایج حاصل از ارزیابی راهکارهای پیشین نشان داد که الگوریتمهای متکی بر یادگیری ماشین و سه بعدی سازی تا حد چشمگیری در دستیابی به تشخیص صحیح بیماری MS از تصاویر MR مغزی اثرگذارتر هستند.

کلیدواژه ها:

اسکلروزیس چندگانه ، تصویربرداری MR ، جداسازی ، شناسایی الگو و یادگیری ماشین