EUVIMEDEUVIMED entdecken
Crossref

تشخیص خودکار بیماری‌های قلبی با بهره‌گیری از تحلیل همزمان فریم‌های پایان دیاستول و پایان سیستول در تصاویر ام‌آر‌آی قلب با استفاده از شبکه عصبی کانولوشنی

عبدالرضا رضاپور, مقداد فرج پور

Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad. · 2025-11 · 68 (5) · 1513-1526

DOI: 10.22038/mjms.2025.27368 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad., 2025-11. Verfasst von عبدالرضا رضاپور und 1 weiteren Autor:innen.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

مقدمه: تصویربرداری ام‌آر‌آی برای تشخیص بیماری‌های قلبی در سال‌های اخیر رایج شده­است، اما این روش‌ها زمان‌بر و همراه با خطای انسانی هستند. به همین دلیل، هوش مصنوعی و به‌ویژه یادگیری عمیق به دلیل توانایی بالایشان در پردازش تصاویر پزشکی، مورد توجه قرار گرفته‌اند. هدف این مطالعه، ارائه مدلی مبتنی بر شبکه عصبی کانولوشنی برای تشخیص دقیق بیماری قلبی وکاهش نیاز به مداخلات انسانی است.روش کار: در این پژوهش، مدلی مبتنی بر شبکه عصبی کانولوشنی برای تشخیص بیماری قلبی طراحی و پیاده‌سازی شد. برخلاف رویکردهای متداول که تصاویر را به‌صورت تک‌فریم یا موازی پردازش می‌کنند، در این مطالعه از ورودی‌های دوکاناله شامل تصاویر پایان دایستول و سیستول استفاده گردید تا پویایی چرخه قلبی بهتر منعکس شود. معماری پیشنهادی شامل لایه­های متعدد کانولوشن و تجمیع بیشینه بوده و برای جلوگیری از بیش‌برازش، لایه‌ حذف تصادفی به کار گرفته شد. علاوه بر این، تنظیم هایپرپارامترها از جمله نوع بهینه‌ساز و اندازه بچ و بهره‌گیری از روش‌های پیشرفته افزایش داده، به بهبود عملکرد شبکه کمک کرد.نتایج: آزمایش‌ها بر روی مجموعه‌داده ACDC انجام شد و عملکرد مدل با معیارهای معتبر ارزیابی گردید. نتایج نشان داد که رویکرد دوکاناله نسبت به مدل‌های تک‌فریم و موازی، بهبود قابل‌توجهی ایجاد می‌کند. همچنین، مقایسه با معماری‌های مرجع و الگوریتم‌های یادگیری ماشین، برتری روش پیشنهادی از نظر دقت و پایداری عملکرد را تأیید کرد.نتیجه گیری: رویکرد دوکاناله می‌تواند ابزاری کارآمد در تشخیص بیماری‌های قلبی باشد. این روش با دقت بالاتر نسبت به مدل‌های مرجع و کاهش وابستگی به تفسیر انسانی، امکان جایگزینی بخشی از فرآیندهای سنتی را فراهم می‌سازد.

Schlagwörter

تصویربرداری ام‌آر‌آیبیماری قلبییادگیری عمیقشبکه عصبی کانولوشنیپایان دایستولپایان سیستول

Zitieren

APA

رضاپور, ع., & پور, م. ف. (2025). تشخیص خودکار بیماری‌های قلبی با بهره‌گیری از تحلیل همزمان فریم‌های پایان دیاستول و پایان سیستول در تصاویر ام‌آر‌آی قلب با استفاده از شبکه عصبی کانولوشنی. Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad., 68(5), 1513-1526. https://doi.org/10.22038/mjms.2025.27368

Vancouver

رضاپور ع, پور مف. تشخیص خودکار بیماری‌های قلبی با بهره‌گیری از تحلیل همزمان فریم‌های پایان دیاستول و پایان سیستول در تصاویر ام‌آر‌آی قلب با استفاده از شبکه عصبی کانولوشنی. Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad.. 2025;68(5):1513-1526. doi:10.22038/mjms.2025.27368

BibTeX
@article{2025,
  author = {رضاپور, عبدالرضا and پور, مقداد فرج},
  title = {تشخیص خودکار بیماری‌های قلبی با بهره‌گیری از تحلیل همزمان فریم‌های پایان دیاستول و پایان سیستول در تصاویر ام‌آر‌آی قلب با استفاده از شبکه عصبی کانولوشنی},
  journal = {Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad.},
  year = {2025},
  volume = {68},
  number = {5},
  pages = {1513--1526},
  doi = {10.22038/mjms.2025.27368}
}
Kostenlos starten →