8976

تشخيص ضايعات ريوي از تصاوير CT scan

كارشناسي

مهندسي برق- الكترونيك

1402

دكتر شهريار برادران شكوهي

دكتر شهريار برادران شكوهي

1402/12/12

برق

Lung disease problem detection using Ct scan images

تشخيص خودكار تصاوير پزشكي با استفاده از هوش مصنوعي ، يكي از كاربردهاي مهم هوش مصنوعي در حوزه پزشكي است كه به كمك آن مي‌توان تشخيص بيماري‌هاي مختلف را با دقت بيشتري انجام داد و درمان بهتري را براي بيماران فراهم كرد. اين روش‌ها با دقت بالا و سرعت بيشتر در تشخيص بيماري‌ها، كاهش خطاهاي انساني و بهبود درمان بيماران كمك مي‌كنند. استفاده از هوش مصنوعي در تشخيص خودكار تصاوير پزشكي، انتظار مي‌رود باعث بهبود كيفيت درمان بيماران و كاهش هزينه‌هاي درماني شود. با استفاده از شبكه هاي عصبي ، مي‌توان تصاوير پزشكي را تحليل كرده و بيماري‌هاي مختلف را تشخيص داد. براي اين كار ابتدا بايد داده‌هاي تصويري پزشكي را جمع ‌آوري و به شكلي منظم در ديتا بيس ذخيره كرد. با استفاده از شبكه هاي عصبي، تصاوير به شكل خودكار تحليل شده و ويژگي‌هاي مختلف آن‌ها استخراج مي‌شود تا بتوانند بيماري‌هاي مختلف را با دقت بيشتري تشخيص دهند. بنابراين با توجه به اهميت و تاثير اين موضوع در حيطه ي پزشكي و سلامت، موضوع پروژه ي خود را در اين زمينه انتخاب كرديم. موضوع اصلي ما تشخيص بيماري ذات الريه از طريق تصاوير سي تي اسكن مي باشد. براي محقق شدن اين هدف از شبكه هاي عصبي كانولوشني مبتني بر هوش مصنوعي كمك گرفتيم. شبكه‌هاي عصبي كانولوشني به دليل قابليتشان در استخراج ويژگي‌هاي پيچيده از تصاوير، مي‌توانند دقت تشخيص را افزايش دهند و براي پردازش و تشخيص تصاوير پزشكي مناسب و كارآمد هستند. با توجه به اينكه معماري اينسپشن از نظر محاسباتي و تعداد پارامترهاي توليد شده كارآمدتر بوده و دقت نسبتا بالايي دارد ما در پروژه ي خود از ورژن سوم آن استفاده كرديم. كتابخانه هاي اصلي ما در اين پروژه تنسورفلو و كراس بودند كه در پياده سازي شبكه هاي عصبي كاربرد وسيعي دارند. در نهايت پس از پياده سازي شبكه عصبي آموزش و ارزيابي، مدل ما توانست با دقتي در حدود 87٪ بيماري ذات الريه را پيش بيني كند.