فهرست نشریات علمی دسترسی آزاد ایران

رادیوگرافی از جمله روش‌های تصویربرداری پزشکی است که با استفاده از اشعه ایکس به پزشکان در امر تشخیص صحیح بیماری‌ها کمک می‌کند. تنظیم نامناسب پارامترهای تیوب اشعه ایکس، انواع آرتیفکت‌ها و نویزها عواملی هستند که بر روی کیفیت تصاویر رادیوگرافی تأثیر می‌گذارند. در مواردی ممکن است آن‌چنان کیفیت تصاویر را خراب کنند که نیاز به تصویربرداری مجدد باشد و این امر باعث می‌شود دز دریافتی بیمار افزایش یابد. امروزه هوش مصنوعی پیشرفت‌های چشمگیری را در زمینه‌های مختلف داشته است. یادگیری عمیق یکی از شاخه‌های هوش مصنوعی است که به‌طور گسترده در تصویربرداری‌های پزشکی مورد استفاده قرار می‌گیرد. در این مقاله از شبکه مولد تخاصمی به عنوان یکی از قدرتمندترین مدل‌های شبکه عصبی موجود، برای بهبود رزولوشن، کاهش نویز و آرتیفکت تصاویر رادیوگرافی قفسه سینه استفاده شده است. مقدار کمیت‌های RMSE، PSNR و SSIM برای 150 تصویر محاسبه گردیده است که میانگین آن‌ها به ترتیب برابر 66/4، 92/34 و 923/0 است. این نتایج نشان می‌دهد که شبکه آموزش داده شده از توانایی بالایی برای بازسازی تصاویر برخوردار است و این قابلیت را دارا است که رزولوشن تصاویر رادیوگرافی قفسه سینه را بهبود دهد و آن‌ها را از لحاظ تشخیصی ارزشمندتر کند. همچنین در مواردی که کیفیت تصاویر به هر دلیلی پایین باشد، نیاز به تصویربرداری مجدد نخواهد بود و بیمار دز اضافی ناشی از تصویربرداری مجدد دریافت نمی‌کند.