تشخیص بیماری خودایمنی با یک لپ تاپ

به گزارش خرید بک لینک پژوهشگران آمریکایی، یک شبکه عصبی عمیق ابداع نموده اند که امکان تشخیص نوعی بیماری خودایمنی را تنها با یک لپ تاپ فراهم می آورد.
به گزارش خرید بک لینک به نقل از ایسنا و به نقل از تک اکسپلور، پژوهشگران “دانشگاه هیوستون”(University of Houston) آمریکا، یک شبکه عصبی عمیق ابداع نموده اند که امکان تشخیص ابتدایی یک بیماری نادر خودایمنی معروف به “اسکلروز سیستمیک”(SS) را فراهم می آورد. این شبکه عصبی، با استفاده از یک لپ تاپ استاندارد به کار گرفته می شود 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 اظهار داشت: پژوهش مقدماتی ما، اثربخشی این شبکه عصبی کامپیوتری را در تشخیص اسکلروز سیستمیک نشان داده است. ما باور داریم که روزی میتوان این شبکه عصبی را در تنظیمات بالینی به کار گرفت و یک ابزار ساده، کم هزینه و دقیق برای تشخیص اسکلروز سیستمیک فراهم نمود.
تشخیص بموقع برای بیماران مبتلا به اسکلروز سیستمیک بسیار مهم می باشد 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 بموقع و تعیین میزان پیشرفت بیماری، چالش قابل توجهی برای پزشکان به حساب می آید.
در هوش مصنوعی، یادگیری عمیق، الگوریتم ها را در لایه هایی سازمان می دهد تا بتواند تصمیم هوشمندانه خویش را بگیرد. این شبکه جدید برای سرعت بخشیدن به یادگیری، با استفاده از پارامترهای یک اپلیکیشن تلفن همراه معروف به “MobileNetV2” آموزش داده شد.
آکای افزود: این شبکه با اسکن تصاویر آموزش می بیند و تصمیم می گیرد که کدام یک از تصاویر جدید، طبیعی و کدام یک در ارتباط با 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 مشکلات، 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 کند.
“یاسمین آکای”(Yasmin Akay)، از پژوهشگران این پروژه اظهار داشت: نتایج به دست آمده نشان داد که این شبکه عصبی در آموزش تصاویر، ۱۰۰ درصد و در اعتبارسنجی ۹۵/۲ درصد دقیق عمل می کند.
این پژوهش، در “IEEE Open Journal of Engineering in Medicine and Biology” به چاپ رسید.

منبع:

دسته‌ها