طبقه بندي آسيبهاي ليگامنت با استفاده از تحليل تصاوير تشديد مغناطيسي توسط الگوريتمهاي يادگيري عميق

Classification of ligament injuries using magnetic resonance imaging analysis by deep learning algorithms

انواع آسيب ليگامنت از جمله آسيب ليگامنت قدامي باعث بوجود آمدن زودهنگام آرتروز و سائيدگي مفاصل زانو مي شود. وجود نويز و علائم مختلف اين عارضه در تصاوير تشديد مغناطيسي كه نمايش خوب و واضحي از بافت هاي زانو دارد، تشخيص زودهنگام را دشوار مي كند لذا ارائه يك مدل براي بهبود تصاوير در جهت افزايش دقت پيش بيني و طبقه بندي شدت آسيب ليگامنت در پيشگيري ابتلا به آرتروز مفيد مي باشد. در اين مقاله از 4948 اسلايد تشديد مغناطيسي بيمار در پايگاه داده KneeMRI و داراي آسيب ليگامنت استفاده شد. پس از مراحل پيش پردازش و بررسي مدل هاي مختلف در راستاي هدف اصلي پژوهش و بررسي استخراج صحيح ويژگي هاي غالب تصاوير در نهايت مشاهده گرديد كه مدل طبقه بندي با شبكه كانولوشن ResNet-CapsNet به همراه شبكه خودرمزنگار بر پايه شبكه U-Net با استفاده از تصاوير بدون نويز نتيجه بهتري نسبت به مدل هاي ديگر داشت كه اين خود تأثير بسيار زياد خودرمزنگار در دقت طبقه بندي را نشان مي دهد چراكه وجود خودرمزنگار باعث بالارفتن دقت طبقه بندي در تصاوير داراي نويز در مقايسه با مدل معادل بدون خودرمزنگار و تنها با شبكه كانولوشن، مي شود.