به كارگيري سيستم استنتاج فازي در پيش‌پردازش جهت بهبود بخش‌بندي ضايعات سكته‌ي مغزي با استفاده از شبكه‌ي عصبي عميق U-Net

سكته‌ي مغزي يكي از علل مرگ و مير و عامل اصلي ايجاد ناتواني بيماران در كشورهاي توسعه يافته است. به طور معمول شناسايي ضايعات سكته‌ي مغزي به وسيله‌ي تصويربرداري مغناطيسي صورت گرفته و تحليل آن نيازمند حضور مستمر پزشك در مركز درماني است. لذا پردازش هوشمند تصاوير پزشكي رويكردي موثر براي تشخيص خودكار ضايعات مغزي مي‌باشد. در اين مقاله يك چارچوب تلفيقي جديد بر مبناي سيستم استنتاج فازي و شبكه‌ي عصبي عميق براي بخش‌بندي خودكار ضايعات مغزي معرفي شده است. در اين راستا ابتدا به معرفي يك شبكه‌ي عميق U-Net بهبود يافته براي تشخيص و بخش‌بندي ضايعه پرداخته شده كه شامل افزايش تعداد لايه‌هاي بخش‌هاي رمزگذار و رمزگشا به همراه تغيير توابع فعال‌سازي است. سپس با به كارگيري يك سيستم استنتاج فازي مبتني بر قواعد اگر-آن‌گاه، رويكرد پيشنهادي اين مطالعه كه بر مبناي پيش‌پردازش تصاوير ورودي و به كارگيري شبكه‌ي يونت بوده معرفي شده است. نتايج نشان داده كه تلفيق سيستم استنتاج فازي در پيش‌پردازش با شبكه‌ي عميق يونت توانسته است ضريب دايس را تا ميزان 0/84 افزايش دهد. به علاوه بهبود كنتراست تصاوير ورودي توسط سيستم فازي نسبت به روش يكسان‌سازي هيستوگرام، باعث عمل‌كرد بسيار بهتري در تشخيص ضايعات با ابعاد كوچك شده كه دليل آن توانمندي بيش‌تر كنترل كنتراست در قواعد فازي است.