بازار
تنوع علائم بالینی و تفاوت الگوهای مشاهده‌شده در تصاویر مغزی، شناسایی دقیق این بیماری‌ها را با دشواری همراه کرده است. از سوی دیگر، تأخیر در تشخیص می‌تواند فرصت بهره‌مندی از برخی مداخلات درمانی را کاهش دهد؛ به همین دلیل، تشخیص به‌موقع و تفکیک زیرگونه‌های این اختلالات در تعیین مسیر درمان، پیش‌بینی روند بیماری و مشاوره ژنتیک اهمیت زیادی دارد.
پژوهش محققان ایرانی برای تشخیص پنج بیماری نادر مغزی
در همین زمینه، گروهی از پژوهشگران شامل زهرا سراجی، مرتضی حیدری، سعید رشیدی و محمودرضا اشرفی، با بررسی ظرفیت روش‌های هوش مصنوعی، عملکرد الگوریتم‌های یادگیری ماشین و یادگیری عمیق را در شناسایی پنج زیرگونه لکودیستروفی در کودکان ارزیابی کردند.
این مطالعه با تحلیل تصاویر ام‌آر‌آی مغز ۱۱۵ کودک انجام شده و نتایج آن در نشریه علمی Journal of Neuroradiology به انتشار رسیده است.
پژوهشگران برای اجرای این تحقیق از تصاویر سه توالی تصویربرداری T1، T2 و FLAIR استفاده کردند. پس از انجام مراحل آماده‌سازی و پردازش تصاویر و قطعه‌بندی بخش‌های مختلف مغز با کمک اطلس‌های مغزی، سه رویکرد محاسباتی را برای تشخیص و طبقه‌بندی بیماری‌ها مورد مقایسه قرار دادند.
مقایسه سه روش هوش مصنوعی در تحلیل تصاویر مغزی
در بخش نخست پژوهش، روش یادگیری ماشین مبتنی بر رادیومیکس بررسی شد. در این شیوه، ویژگی‌های قابل اندازه‌گیری تصاویر پزشکی استخراج و سپس برای آموزش الگوریتم‌های تشخیصی استفاده می‌شوند. …
