تحليل رفتار شبكه عصبي كانولوشني در تشخيص بيماري بطن چپ در تصاوير تشديد مغناطيسي

Behavior Analaysis of Convolutional Neural Network in Left Ventricle Disease Diagnosis by using Magnetic Resonance Images

طبقه بندهاي مبتني بر يادگيري ماشين در ساليان اخير به ابزاري موثر براي تشخيص زودهنگام ضايعات در تصاوير زيستي بدل شده اند. در اين مقاله رفتار شبكه هاي عصبي كانولوشني در تشخيص بيماري قلبي از روي تصاوير تشديد مغناطيسي بطن چپ تحليل مي شود. بدين منظور روش شبكه هاي عصبي كانولوشني بر روي تعداد 50 تصوير از اين نوع شامل موارد سالم و بيمار آزموده مي شود. نتايج حاصل از اين بررسي، حاكي از آن است كه استفاده از راهكار فوق، به طور متوسط قادر است دقت تشخيصي را در حدود 88 درصد به دست دهد كه اين پارامتر به تفكيك براي موارد سالم و بيمار 92 و 84 درصد حاصل آمده است.

In recent years, classifiers which are based on machine learning has become as an effective tool for early detection of lesions in biomedical images. In this paper the behavior of convolutional neural network is analyzed in detecting cardiovascular disease in MRI images which have been captured from left ventricle. For this purpose, this method is evaluated on 50 images of this type including both healthy and unhealthy cases. The results of this study illustrate that adopting this method may lead to approximately 88 percent of diagnosis accuracy, which may be separated into 92 and 84 percent for healthy and unhealthy cases respectively.