آمار
| تعداد نشریات | 45 |
| تعداد شمارهها | 1,500 |
| تعداد مقالات | 18,364 |
| تعداد مشاهده مقاله | 59,536,242 |
| تعداد دریافت فایل اصل مقاله | 20,823,565 |
ارائه راهکاری نوین برای تشخیص خودکار پلاکهای مغزی بیماری اماس در تصاویر MRI با استفاده از ترنسفورمرها | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 31 شهریور 1404 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2025.66294.4985 | ||
| نویسندگان | ||
| فریبا نمیرانیان1؛ علی محمد لطیف* 2 | ||
| 1دانشگاه یزد دانشکده مهندسی کامپیوتر | ||
| 2هیات علمی / دانشگاه یزد | ||
| چکیده | ||
| اماس بیماری مزمن ناشی از تخریب پوشش میلین در سیستم عصبی انسان است. این بیماری توسط پلاکهایی در تصاویر امآرآی مغز قابل مشاهده است. تشخیص دقیق پلاکها برای شناسایی بیماری و پیگیری درمان اهمیت دارد. در حال حاضر تشخیص این پلاکها توسط پزشک متخصص انجام میشود. بخشبندی توسط پزشک فرآیندی زمانبر و مستعد خطا است. این پژوهش رویکردی مبتنی بر ترنسفورمرها برای بخشبندی خودکار پلاکهای اماس ارائه میدهد. این مدل شامل یک رمزگذار بر پایه سوئین ترنسفورمر برای استخراج ویژگی و یک رمزگشا برای بازسازی نقشههای بخشبندی است. خروجی این روش برچسب پلاکهای بخشبندی است. مدل پیشنهادی بر روی مجموعه دادگان ISBI2015 ارزیابی و عملکرد آن با مدل کلاسیک U-Net مقایسه میشود. نتایج نشان میدهد که مدل پیشنهادی معیارهای IoU و Dice را به ترتیب به 71/0 و 83/0 ارتقا و در مقایسه با U-Net با IoU و Dice به ترتیب 64/0 و 78/0 عملکرد بهتری دارد. | ||
| کلیدواژهها | ||
| بخشبندی تصویر؛ بیماری اماس؛ ترنسفورمر؛ تشخیص پلاک مغزی؛ یادگیری عمیق | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 308 |
||