Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

124
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

71
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

طبقه بندی سکته مغزی بر اساس روش یادگیری عمیق در سامانه تصویربرداری ریزموجی از مغز

صفحات

 صفحه شروع 121 | صفحه پایان 132

چکیده

 یکی از عوامل رایج مرگ ومیر در دنیا که بیشتر افراد مسن در معرض آن هستند, سکته مغزی است. حدود 85 درصد از تمام سکته های مغزی, از نوع سکته مغزی ایسکمیک بوده و ناشی از خون ریزی داخلی بخشی از مغز است. با توجه به آمار بالای مرگ ومیر ناشی از سکته مغزی, تشخیص و درمان سریع سکته مغزی ایسکمیکی و سکته مغزی هموروژیک بسیار مهم است. در این مقاله یک سیستم تصویربرداری مایکروویو مغز, برای تشخیص خون ریزی داخل جمجمه کروی شکل با شعاع یک سانتی متر در نرم افزار CSTشبیه سازی و برای تصویربرداری از یک سری آرایه آنتن پروانه ای اصلاح شده در اطراف فانتوم سر چند لایه, استفاده شده است. برای داشتن ویژگی های تشعشی مورد نظر در محدوده باند فرکانسی 5/0 الی 5/5 گیگاهرتز, یک محیط تطبیق مناسب طراحی شده است. ابتدا در بخش پردازش از روش های بازسازی تصویر مانند الگوریتم های بیمفرمر تأخیر و جمع و همچنین تأخیر ضرب و جمع استفاده می شود. تصاویر بازسازی شده مفید بودن روش متداول پیشنهادی را در تشخیص هدف کروی در محدوده یک سانتی متر نشان می دهد. هدف اصلی این مقاله طبقه بندی سکته مغزی ایسکمیکی و هموروژیک با استفاده از رویکردهای یادگیری عمیق است. برای این منظور یک الگوریتم طبقه بندی تصویر برای تخمین نوع سکته از تصاویر بازسازی شده ایجاد می شود که در این راستا با استفاده از روش پیشنهادی یادگیری عمیق تصاویر بازسازی شده توسط یک ماشین بردار پشتیبان خطی چند کلاسه با ویژگی استخراج شده توسط یک شبکه عصبی کانولوشن آموزش می بینند. نتایج شبیه سازی شده عملکرد مناسب روش پیشنهادی را در تعیین محل دقیق اهداف خون ریزی با دقت 89 درصد و در مدت زمان 9 ثانیه نشان می دهد. علاوه بر این, روش پیشنهادی یادگیری عمیق به دلیل سردرگم نبودن سیستم در بین طبقات مختلف از نظر طبقه بندی عملکرد خوبی را نشان می دهد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    روحی، مجید، مظلوم، جلیل، پورمینا، محمدعلی، و قلمکاری، بهبد. (1403). طبقه بندی سکته مغزی بر اساس روش یادگیری عمیق در سامانه تصویربرداری ریزموجی از مغز. روش های هوشمند در صنعت برق، 15(57 )، 121-132. SID. https://sid.ir/paper/1034632/fa

    Vancouver: کپی

    روحی مجید، مظلوم جلیل، پورمینا محمدعلی، قلمکاری بهبد. طبقه بندی سکته مغزی بر اساس روش یادگیری عمیق در سامانه تصویربرداری ریزموجی از مغز. روش های هوشمند در صنعت برق[Internet]. 1403؛15(57 ):121-132. Available from: https://sid.ir/paper/1034632/fa

    IEEE: کپی

    مجید روحی، جلیل مظلوم، محمدعلی پورمینا، و بهبد قلمکاری، “طبقه بندی سکته مغزی بر اساس روش یادگیری عمیق در سامانه تصویربرداری ریزموجی از مغز،” روش های هوشمند در صنعت برق، vol. 15، no. 57 ، pp. 121–132، 1403، [Online]. Available: https://sid.ir/paper/1034632/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا