نیروی برق

به گزارش نیروی برق به نقل از دانشگاه صنعتی امیرکبیر، فاطمه آخوندی دانش آموخته دانشکده مهندسی پزشکی دانشگاه با هدایت و راهبری دکتر فرشاد الماس گنج عضو هیات علمی دانشگاه طرح تحقیقاتی را با عنوان “حذف پس زمینه تصاویر آنژیوگرافی با استفاده از یادگیری عمیق” را اجرایی کردند.
آخوندی با اشاره به علل انتخاب این پژوهش، توضیح داد: در آنژیوگرافی قلب، تداخل سایه های ناشی از بافت ها و استخوان های قفسه سینه و همینطور حرکات تنفسی و ضربان قلب موجب می شود تشخیص دقیق عروق کرونری دشوار شود. این مساله منجر به احتیاج به تزریق بیشتر ماده حاجب و دریافت دوز بالاتر اشعه توسط بیمار می شود.
وی اضافه کرد: بدین جهت هدف این مطالعه رفع این مشکل و عرضه روشی دقیق تر و ایمن تر برای بهبود کیفیت تشخیص گرفتگی ها توسط پزشک متخصص بوده است.
این دانش آموخته دانشگاه صنعتی امیرکبیر با تأکید بر این که نتایج این مطالعه سبب بهبود وضوح تصاویر و افزایش دقت در نمایش عروق کرونری قلب شده است، اظهار نمود: این مطالعه به صورت ویژه در جهت ارتقاء فناوری پردازش تصویر پزشکی و بومی سازی روشهای نوین شبکه های عصبی قدمی مؤثر برداشته است؛ چون که این طرح با کاهش زمان پردازش و افزایش دقت، نسبت به سایر الگوریتم های سنتی امکان بهره برادری بهتر در حوزه های کاربردی را فراهم می سازد.
آخوندی با اشاره به اینکه فاز نخست این مطالعه از تحلیل ایرادات و روشهای موجود و بررسی مقالات شروع شد، افزود: سپس دو مدل مبتنی بر شبکه های عصبی طراحی و پیاده سازی شد. در روش نخست از شبکه SpyNet بهبودیافته برای آشکار سازی حرکت و از Deep-Fillv۲ برای بازسازی نواحی حذف شده استفاده شد. در روش دوم نیز از یک معماری ترکیبی خود رمزگذار عمیق بهره گرفته شد تا اطلاعات پس زمینه از تصاویر پیش از تزریق ماده حاجب استخراج و برای بازسازی نواحی حاوی ماده ی حاجب استفاده گردد.
به گفته او در آخر، نسخه بهبودیافته مدل دوم عرضه و با روشهای استاندارد مقایسه شد.
وی کمبود داده را از چالش های این طرح نام برد و خاطرنشان کرد: علاوه براین تعلیم شبکه های عصبی عمیق نیازمند زمان و سیستم های بسیار قوی با کارت گرافیک قوی بود. تا حد امکان توانستیم براین مشکلات غلبه نماییم.
به گفته این محقق، یافته های این تحقیق می تواند در صنعت تجهیزات و نرم افزارهای پزشکی، تحلیل تصویر و سیستم های کمک تشخیصی مبتنی بر هوش مصنوعی استفاده گردد اما از طرف دیگر به سبب وارداتی بودن بیشتر دستگاه ها، امکان اضافه کردن این نرم افزار به کل سیستم کار آسانی نیست و اکنون به شکل کمکی می تواند به تشخیص پزشک در کنار دستگاه کمک نماید.
آخوندی انتشار دو مقاله را از دیگر موفقیتهای این پایان نامه دانست و افزود: نخستین مقاله در مجله بین المللی با رده ی Q۱ چاپ شده و دومین مقاله در مجله ایرانی زیست پزشکی به چاپ رسیده است.
وی بخش نوآورانه طرح را شامل استفاده از شبکه خودرمزگذار هدایت شده برای بازسازی پس زمینه تصاویر حاوی ماده حاجب از تصاویر بدون ماده حاجب ذکر کرد و اضافه کرد: همینطور در طراحی شبکه های عصبی عمیق متناسب بودن با تصاویر آنژیوگرافی به سبب مقیاس خاکستری آنها و ظرافت عروق در طراحی لحاظ شده است.
آخوندی خصوصیت های این طرح را شامل افزایش وضوح عروق کرونری در تصاویر آنژیوگرافی، کاهش احتیاج به تزریق مقدار زیاد ماده حاجب و بنابراین کاهش خطرات در رابطه با آن برای بیمار دانست و اضافه کرد: همینطور نسبت به روشهای سنتی، زمان پردازش تصاویر را به صورت قابل توجهی می کاهد و می تواند حتی با در اختیار داشتن یک تصویر تکی حاوی ماده حاجب نیز عمل اصلاح و پردازش را انجام دهد. بالاخره، سودجستن از فناوری شبکه های عصبی عمیق، امکان استخراج و بازسازی هوشمند پس زمینه و جداسازی بهتر عروق را فراهم می آورد و طرح را از نظر علمی و کاربردی در سطح روشهای نوین پردازش تصویر پزشکی قرار می دهد.
وی اشاره کرد: نمونه های خارجی مانند روشهای مبتنی بر RPCA یا MAMR وجود دارند، اما روش حاضر بومی بوده و عملکرد سریع تری دارد. در این طرح با حذف احتیاج به تصاویر چندزمانه، دوز اشعه دریافت شده توسط بیمار کاسته شده و فرایند تصویربرداری ساده تر و ایمن تر شده است. این شیوه به سبب اتکا بر الگوریتم های پیشرفته و یادگیری عمیق، پردازش تصاویر را سریع تر و به شکل خودکار انجام می دهد و با این حال دقت بالاتری در تفکیک عروق و پس زمینه عرضه می کند.
حرف آخر اینکه وی کمبود داده را از چالش های این طرح نام برد و تصریح کرد: علاوه براین تعلیم شبکه های عصبی عمیق نیازمند زمان و سیستم های بسیار قوی با کارت گرافیک قوی بود. به قول این محقق، نتایج این مطالعه می تواند در صنعت تجهیزات و نرم افزارهای پزشکی، تحلیل تصویر و سیستم های کمک تشخیصی مبتنی بر هوش مصنوعی استفاده گردد اما از سوی دیگر به جهت وارداتی بودن بیشتر دستگاهها، امکان اضافه کردن این نرم افزار به کل سیستم کار آسانی نیست و الان بشکل کمکی می تواند به تشخیص پزشک در کنار دستگاه کمک کند. آخوندی انتشار دو مقاله را از دیگر موفقیت های این پایان نامه دانست و اضافه کرد: اولین مقاله در مجله بین المللی با رده ی Q۱ چاپ شده و دومین مقاله در مجله ایرانی زیست پزشکی به چاپ رسیده است.

منبع: نیروی برق