1
دانشجوی دکتری مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران
2
گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران
3
گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا همدان، ایران
چکیده
در دنیای امروز پزشکی توسعه روزافزون ابزار تولید تصاویر رادیولوژی پزشکی در مراکز درمانی، ایجاد سیستم های سبک، قابل‌حمل و دقیق جهت تحلیل و آنالیز تصاویر و استخراج اطلاعات تخصصی از این تصاویر را ضروری ساخته است. در بسیاری موارد تصاویر پزشکی فاقد برچسب یا حاشیه نویسی با اطلاعات تخصصی و کلینیکال هستند. ازاین‌رو طراحی سیستم هایی برای تولید اطلاعات تخصصی در مورد محتوای تصاویر یکی از چالش های مطرح است. در این پژوهش سیستم تولید گزارش رادیولوژی ساخت یافته مبتنی بر روش های حاشیه نویسی ارائه‌شده است. ازجمله چالش های اساسی در این زمینه استخراج ویژگیها و توصیفگرهای مناسب از تصاویر به منظور مدل‌سازی مفاهیم و محتوای تصاویر است. بدین منظور با توجه به کارآمدی فرایند یادگیری عمیق و قابلیت آن در استخراج ویژگی متناسب با هدف، در این مقاله از شبکه های عمیق موبایل نت به دلیل سبک و دقیق بودن، استفاده شده است. همچنین با توجه به کم بودن داده های آموزشی در حوزه های تخصصی پزشکی علاوه بر بهره گیری از روش های کاهش بیش برازش در شبکه موبایل نت، روش ترکیبی مبتنی بر توصیفگرهای عمیق و الگوی دودویی محلی ارائه شده است. نتایج بیانگر موثر بودن روش پیشنهادی هیبریدی در بهبود دقت سیستم بوده و دقت نهایی سیستم 91.4% است.
)