قطعه بندي خودكار توده كليه در تصاويرتوموگرافي كامپيوتري با استفاده از هم افزايي شبكه عصبي عميق U-Net و الگوريتم فراابتكاري نهنگ

قطعه بندي دقيق كليه ها در تصاوير توموگرافي كامپيوتري(CT) يك موضوع اساسي در تشخيص، درمان و برنامه ريزي جراحي محسوب مي شود. متخصصان پزشكي از طريق قطعه بندي تصاوير توموگرافي قادرند اطلاعاتي در مورد ناهنجاري هاي كليه از نظر شكل و اندازه كسب نمايند. قطعه بندي دستي تصاوير بسيار كُند، پرزحمت و خسته كننده است و موفقيت آن به طور قابل توجهي به تجربه فرد متخصص بستگي دارد. براي مقابله با اين چالش، قطعه بندي به كمك رايانه بر اساس تكنيك هاي هوش مصنوعي ارائه گرديد. در اين مقاله يك روش قطعه بندي خودكار جهت شناسايي منطقه مورد نظر از تصاوير CT كليه با استفاده از مدل بهبود يافته شبكه يو(U-Net) معرفي مي شود. در معماري پيشنهادي مجموعه وزن هاي موجود در مسيرهاي انقباضي و انبساطي شبكه U-Net پيشنهادي افزايش يافته و يك لايه پيچشي بهبود يافته نيز جهت ايجاد ارتباط خط لوله هاي رمزگذار و رمزگشا اضافه شده است. علاوه بر اين، جهت بهينه سازي مقادير فراپارامترهاي معماري شبكه يو پيشنهادي از الگوريتم فراابتكاري نهنگ استفاده شده است. به منظور ارزيابي معماري پيشنهادي، از مجموعه داده KiTS19 استفاده شده است. نتايج ارزيابي ها نشان مي دهد قطعه بندي با مدل پيشنهادي در مقايسه با كارهاي پيشين از كيفيت بالاتري برخوردار است؛ بطوري كه ضريب دايس با استفاده از روش پيشنهادي در مقايسه با روش پايه براي قطعه بندي كليه 0.038 و توده كليه 0.061 بهبود يافت.