عنوان

کاربرد شبکه های عصبی عمیق در پیش بینی وضعیت شبه فلجی شانه

شماره

پ۲۷۹۳۹

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

کاربرد شبکه های عصبی عمیق در پیش بینی وضعیت شبه فلجی شانه

نام نخستين پديدآور

ستار کیوان بد

نام ناشر، پخش کننده و غيره

مهندسی مکانیک

تاریخ نشرو بخش و غیره

۱۴۰۱

نام خاص و کميت اثر

۷۶ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسي مکانیک گرایش طراحی کاربردی

زمان اعطا مدرک

۱۴۰۱/۰۵/۳۰

متن يادداشت

امروزه هوش مصنوعی تا حد زیادی در علم پزشکی نفوذ کرده ‌است و اهمیت آن بیشتر می شود. لذا دانشمندان با جمع‌آوری اطلاعات از منابع مختلف، از جمله پرونده‌های بهداشتی الکترونیکی، تصاویر پزشکی، امیدوارند از تکنیک های یادگیری ماشین و یادگیری عمیق برای تشخیص، پیش‌بینی و تفسیر نتایج بیماران استفاده کنند. ورودی این سیستم های هوشمند نیز غالباً به صورت تصویر خام یا تصویر پردازش شده است. پزشکان در بعضی آسیب ها از روی تصویر پزشکی به قطعی نمی توانند نوع آسیب را تشخیص دهند. شبه فلجی نیز از این نوع آسیب می باشد که برای تشخیص قطعی آن پزشکان نیاز به معاینه حضوری مریضان دارند. هدف از این پژوهش حدس شبه فلجی شانه از روی تصاویر ام آر آی به کمک شبکه های کانولوشنی عمیق می باشد. شانه ی یک انسان از عضلات و تاندون های گوناگونی تشکیل شده است. روتاتورکاف یکی از مهم ترین این عضلات می باشد که خود از چهار عضله سوپرااسپیناتوس، اینفرااسپیناتوس، ترس مینور، ساب اسکاپولاریس تشکیل شده است. این عضلات و تاندون های مربوطه این عضلات، می توانند مانند عضلات و تاندون های ناحیه دیگر بدن دچار پارگی شوند. در حالت خاصی از این پارگی های روتاتورکاف، شانه دچار شبه فلجی می شود. حال سعی شده است برای حدس این نوع آسیب از شبکه های کانولوشنی استفاده شود. ابتدا توسط الگوریتم یونت پارگی مورد بخش بندی قرار می گیرد، سپس با پنج معماری که از قبل با دیتاست های استاندارد مورد تست و آزمایش قرار داده شده اند، شبه فلجی حدس زده می شود. این پنج معماری یعنی گوگل نت، وی جی جی شانزده، لنت، الکس نت، زد اف نت در سال های اخیر مورد توجه زیادی قرار گرفته اند و هر کدام در یک سال به عنوان برترین معماری انتخاب شده است. همچنین سعی شده است که الگوریتم های مختلف بهینه سازی از قبیل الگوریتم آدام و آدادلتا و آداگراد و ..... مورداستفاده قرار گیرد تا دقت هر کدام در هر یک از این معماری ها مشخص شود

متن يادداشت

Today, artificial intelligence has penetrated to a great extent in medical science and its importance isincreasing.Therefore, by collecting information from various sources, including electronic health records, medical images, scientists hope to use machine learning and deep learning techniques to diagnose, predict and interpret patient outcomes. The input of these intelligent systems is often in the form of raw or processed images. In some cases, doctors cannot diagnose the type of injury from the medical image. Pseudo-paralysis is also a type of injury that doctors need a physical and clinical examination of the patients to make a definitive diagnosis. The aim of this research is to predict pseudo-paralysis of the shoulder from MRI images with the help of deep convolutional networks. A human shoulder is made up of various muscles and tendons. The rotator cuff is one of the most important muscles, which is composed of four muscles: supraspinatus, infraspinatus, teresminor and subscapularis. These muscles and their respective tendons can be torn like muscles and tendons in other parts of the body. In a special case of rotator cuff tears, the shoulder becomes Pseudo-paralysis.Now it has been tried to use convolutional networks to Predict this type of damage. First, it is segmented by the U_net Algorithm, then pseudoparalysis is Predicted with five architectures that have already been tested with standard datasets. These five architectures, which include Google_Net, VGG_16, Lent_5, Alex_Net, and ZF_Net, have received a lot of attention in recent years, and each of them has been selected as the best architecture in one year. It has also been tried to use different optimization algorithms, such as Adam's algorithm, Adadelta, Adagrad, etc., to determine the accuracy of each one.

عنوان گونه گون

Application of deep Neural Networks for prediction of the pseudo-paralysis of human shoulder

عنصر شناسه اي

کیوان بد،

ساير عناصر نام

ستار

کد نقش

تهیه کننده

عنصر شناسه اي

حسن نژاد قدیم،

عنصر شناسه اي

روحانی،

ساير عناصر نام

رضا

ساير عناصر نام

علی رضا

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

‏تبریز