تشخیص بیماری خودایمنی با لپ تاپ - وبلاگ تکنولوپ

به گزارش وبلاگ تکنولوپ، پژوهشگران آمریکایی، یک شبکه عصبی عمیق ابداع نموده اند که امکان تشخیص نوعی بیماری خودایمنی را تنها با یک لپ تاپ فراهم می نماید.

پژوهشگران دانشگاه هیوستون(University of Houston) آمریکا، یک شبکه عصبی عمیق ابداع نموده اند که امکان تشخیص ابتدایی یک بیماری نادر خودایمنی موسوم به اسکلروز سیستمیک(SS) را فراهم می نماید. این شبکه عصبی، با استفاده از یک لپ تاپ استاندارد به کار گرفته می گردد و می تواند تصاویر پوست سالم و پوست فرد مبتلا به اسکلروز سیستمیک را از یکدیگر تفکیک کند.

متین آکای(Metin Akay)، استاد مهندسی پزشکی دانشگاه هیوستون و از پژوهشگران این پروژه گفت: پژوهش مقدماتی ما، اثربخشی این شبکه عصبی رایانه ای را در تشخیص اسکلروز سیستمیک نشان می دهد. ما باور داریم که روزی می توان این شبکه عصبی را در تنظیمات بالینی به کار گرفت و یک ابزار ساده، کم هزینه و دقیق برای تشخیص اسکلروز سیستمیک فراهم کرد.

تشخیص به موقع برای بیماران مبتلا به اسکلروز سیستمیک بسیار مهم است اما امکان دست یافتن به آن اغلب وجود ندارد. چندین پژوهش نشان داده اند که درگیری اعضای بدن طی این بیماری می تواند بسیار زودتر از حد انتظار رخ دهد اما تشخیص به موقع و مشخص میزان پیشرفت بیماری، چالش قابل توجهی برای پزشکان به شمار می رود.

در هوش مصنوعی، یادگیری عمیق، الگوریتم ها را در لایه هایی سازمان می دهد تا بتواند تصمیم هوشمندانه خود را بگیرد. این شبکه جدید برای سرعت بخشیدن به یادگیری، با استفاده از پارامترهای یک اپلیکیشن تلفن همراه موسوم به MobileNetV2 آموزش داده شد.

آکای ادامه داد: این شبکه با اسکن تصاویر آموزش می بیند و تصمیم می گیرد که کدام یک از تصاویر جدید، طبیعی و کدام یک مربوط به مرحله اول یا آخر بیماری است.

در میان چندین شبکه یادگیری عمیق، شبکه های عصبی پیچشی(CNNs)، بیشترین کاربرد را در مهندسی، پزشکی و زیست شناسی دارند اما موفقیت آنها در کاربردهای پزشکی محدود است.

آکای و گروهش برای حل کردن این مسائل، از UNet استفاده کردند که یک ساختار اصلاح شده شبکه عصبی پیچشی با لایه های اضافه است. نتایج این پژوهش نشان داد که ساختار یادگیری عمیق پیشنهادی، در طبقه بندی تصاویر اسکلروز سیستمیک، بهتر از شبکه های عصبی پیچشی عمل می نماید.

یاسمین آکای(Yasmin Akay)، از پژوهشگران این پروژه گفت: نتایج به دست آمده نشان داد که این شبکه عصبی در آموزش تصاویر، 100 درصد و در اعتبارسنجی 95،2 درصد دقیق عمل می نماید.

این پژوهش، در IEEE Open Journal of Engineering in Medicine and Biology به چاپ رسید.،ایسنا