|
عنوان
|
ارزیابی و تحلیل آتاکسیهای ارثی با شروع زودرس با استفاده از الگوریتمهای یادگیری ماشین در تصاویر تشدید مغناطیسی
|
|
نوع پژوهش
|
پایان نامه های تقاضا محور و غیر تقاضا محور
|
|
کلیدواژهها
|
آتاکسی، فریسرفر ، تصاویر تشدید مغناطیسی ، یادگیری ماشین
|
|
چکیده
|
آتاکسی در زمره اختلالات مغزی و عصبی است که عدم هماهنگی در انجام حرکات ارادی را موجب میشود. آتاکسی میتواند به دلایل مختلف ارثی و یا اکتسابی پدیدار شود. پزشکان روشهای مختلفی را برای تشخیص این اختلال استفاده میکنند که از جمله آن میتوان به آزمایش ژنتیک، تصویربرداری تشدید مغناطیسی و غیره اشاره کرد. در اکثر مواقع هیچ درمان قطعی برای آتاکسی وجود ندارد اما با تشخیص زودهنگام و کنترل عوارض آن میتوان کیفیت زندگی فرد درگیر را بهبود بخشید و یا حتی سرعت پیش روی آن را کند نمود. هدف این است تا با استفاده از تصاویر تشدید مغناطیسی، افراد دارای آتاکسی و افراد سالم دسته بندی شود و در مرحله بعد نوع آتاکسی نیز دستهبندی گردد. داده دریافتی از مرکز طبی کودکان تهران 98 نمونه تصویر تشدید مغناطیسی است. این دادهها در ابتدا با نرم افزار فریسرفر پردازش شدهاند و نتایج حاصل از این پردازش یک مجموعه داده عددی محسوب میگردد، در کنار آن تصاویر تشدید مغناطیسی مغز همراه با بخشبندی بافت مغز(قشر مغز و ماده سفید) مجموعه دادههای دیگری را تشکیل میدهند، مدلهایی توسط این مجموعه دادهها با الگوریتمهایی همچون جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی، شبکه های عصبی پیچشی، نزدیکترین همسایه و درخت تصمیم و همچنین چند روش خوشه بندی ساخته شد و مدلهای با بالاترین عملکرد روی هر مجموعه داده انتخاب گردید. از طرفی داده عددی از حیث انواع آتاکسی نیز دستهبندی شد، مدلهای ساخته شده توسط شبکههای عصبی پیچشی و جنگل تصادفی و همچنین روش خوشهبندی کی-میانگین به عنوان مدل برتر در سیستم رای گیری قرار گرفتند و مقدار قابل قبولی برای دقت حاصل شد. با توجه به اینکه سیستم رایگیری طراحی شده توانست عملکرد را بهبود دهد، در صورت بهرهگیری از این سیستم در کارهای مشابه دقت دستهبندیها به میزان قابل قبولی افزایش مییابد.
|
|
پژوهشگران
|
مریم مومنی (استاد راهنما)، امیر نوروزی نسب (دانشجو)، محمود رضا اشرفی (استاد راهنما)
|