فهرست نشریات علمی دسترسی آزاد ایران

یماری ام‌اس یکی از شایع‌ترین اختلال‌های خودایمنی سیستم عصبی مرکزی است. این بیماری با تخریب غلاف میلین سلول‌های عصبی و ایجاد پلاک‌هایی در بافت مغز و نخاع همراه است. تشخیص دقیق پلاک‌ها در تصاویر ام‌آرآی نقش کلیدی در شناسایی بیماری، پیش‌بینی وضعیت بهبودی بیمار و انتخاب روش درمانی مناسب دارد. در این مقاله با رویکردی مروری و تحلیلی، عملکرد سه معماری پرکاربرد یادگیری عمیق شامل U-Net، ResUNet و AttentionUNet در بخش‌بندی پلاک‌های ام‌اس بررسی و مقایسه شده است. پس از معرفی مجموعه دادگان و معیارهای ارزیابی متداول در این حوزه، نتایج ۳۴ مقاله معتبر با استفاده از معیار Dice تحلیل گردید. معماری‌های U-Net، ResUNet و AttentionUNet به‌طور میانگین به ترتیب امتیاز Dice برابر با 6562/0، 6937/0 و 7435/0 را در بخش‌بندی پلاک‌های ام‌اس در پژوهش‌های مرورشده کسب کرده‌اند. نتایج نشان می‌دهد AttentionUNet عملکرد مناسب‌تری نسبت به سایر روش‌ها دارد. هم‌چنین نقاط قوت و ضعف هر روش تحلیل و مسیرهای آینده پژوهشی در این زمینه پیشنهاد شده است.