8891

توسعه سيستم هوشمند براي پيش¬بيني درجه بيماري اسكلروز جانبي آميوتروفيك (ALS) بر اساس تحليل تصاوير سونوگرافي با استفاده از يادگيري عميق

كارشناسي

مهندسي صنايع

1402

وحيد خطيبي

محمد رضا رسولي

1402/08/10

مهندسي صنايع

Developing an Intelligent System for Predicting Amyotrophic Lateral Sclerosis Rating Score Based on Sonography Image Analysis Using Deep Learning

اسكلروز جانبي آميوتروفيك (ALS) يك بيماري تخريب كننده عصبي است كه با انحطاط نورون حركتي مشخص مي‌شود و منجر به ضعف عضلاني و نارسايي تنفسي مي‌شود. پيش‌بيني دقيق پيشرفت بيماري و طبقه‌بندي بيمار به دليل تنوع در سير باليني چالش برانگيز است. اين مقاله يك معماري تركيبي را براي پيش‌بيني امتيازات ارزيابي عملكردي (ALSFRS-R) با استفاده از تصاوير سونوگرافي زبان و ويژگي‌هاي عمومي بيمار پيشنهاد مي‌كند. اين روش شامل تقسيم‌بندي زبان با استفاده از مدل Mask R-CNN با ترانسفورماتور Swin، خلاصه‌سازي تصوير اولتراسوند با استفاده از SimCLR و مدل‌سازي رگرسيون جدولي با استفاده از XGB Regressor است. اين مطالعه از مجموعه داده‌اي شامل تصاوير سونوگرافي زبان و ويژگي‌هاي باليني بيماران ALS استفاده مي‌كند. از تكنيك‌هاي پيش پردازش و افزايش داده‌ها براي بهينه‌سازي و استانداردسازي داده‌ها در اين پژوهش استفاده مي‌شود. امتياز R2 به دست آمده 49/. نشان دهنده قابليت پيش بيني متوسط براي نمرات ALSFRS-R است. اين مطالعه با ارائه يك رويكرد جامع براي پيش‌بيني ALSFRS-R به تحقيقات ALS كمك مي‌كند، و پتانسيل يكپارچه‌سازي داده‌هاي تصويربرداري و جمعيت‌شناختي را براي بهبود دقت و طبقه‌بندي بيمار را برجسته مي‌كند. تحقيقات آينده بايد بر روي مجموعه داده‌هاي بزرگتر و كاوش در ادغام ويژگي‌هاي بخش‌بندي زبان براي افزايش دقت پيش بيني تمركز كند.

هوش مصنوعي در پزشكي