فهرست نشریات علمی دسترسی آزاد ایران

سکته‌ی مغزی یکی از علل مرگ و میر و عامل اصلی ایجاد ناتوانی بیماران در کشورهای توسعه یافته است. به طور معمول شناسایی ضایعات سکته‌ی مغزی به وسیله‌ی تصویربرداری مغناطیسی صورت گرفته و تحلیل آن نیازمند حضور مستمر پزشک در مرکز درمانی است. لذا پردازش هوشمند تصاویر پزشکی رویکردی موثر برای تشخیص خودکار ضایعات مغزی می‌باشد. در این مقاله یک چارچوب تلفیقی جدید بر مبنای سیستم استنتاج فازی و شبکه‌ی عصبی عمیق برای بخش‌بندی خودکار ضایعات مغزی معرفی شده است. در این راستا ابتدا به معرفی یک شبکه‌ی عمیق U-Net بهبود یافته برای تشخیص و بخش‌بندی ضایعه پرداخته شده که شامل افزایش تعداد لایه‌های بخش‌های رمزگذار و رمزگشا به همراه تغییر توابع فعال‌سازی است. سپس با به کارگیری یک سیستم استنتاج فازی مبتنی بر قواعد اگر-آن‌گاه، رویکرد پیشنهادی این مطالعه که بر مبنای پیش‌پردازش تصاویر ورودی و به کارگیری شبکه‌ی یونت بوده معرفی شده است. نتایج نشان داده که تلفیق سیستم استنتاج فازی در پیش‌پردازش با شبکه‌ی عمیق یونت توانسته است ضریب دایس را تا میزان 84/0 افزایش دهد. به علاوه بهبود کنتراست تصاویر ورودی توسط سیستم فازی نسبت به روش یکسان‌سازی هیستوگرام، باعث عمل‌کرد بسیار بهتری در تشخیص ضایعات با ابعاد کوچک شده که دلیل آن توانمندی بیش‌تر کنترل کنتراست در قواعد فازی است.