به گزارش سیتنا،فاطمه آخوندی، دانش‌آموخته دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر، با هدایت دکتر فرشاد الماس‌گنج، عضو هیأت علمی این دانشگاه، طرح پژوهشی با عنوان «حذف پس‌زمینه تصاویر آنژیوگرافی با استفاده از یادگیری عمیق» را به مرحله اجرا رساند.

آخوندی با اشاره به ضرورت انجام این تحقیق گفت: در آنژیوگرافی قلب، سایه‌های ناشی از بافت‌ها و استخوان‌های قفسه سینه، به‌همراه حرکات تنفسی و ضربان قلب، باعث تداخل در تصویر عروق کرونری می‌شود و تشخیص دقیق گرفتگی‌ها را برای پزشک دشوار می‌کند. این موضوع معمولاً منجر به تزریق بیشتر ماده حاجب و افزایش دوز اشعه دریافتی بیمار می‌شود.

وی افزود: هدف اصلی این پژوهش، رفع این چالش و ارائه روشی دقیق‌تر و ایمن‌تر برای بهبود کیفیت تصاویر و کمک به تشخیص بهتر پزشکان متخصص بوده است.

این پژوهشگر با تأکید بر نتایج به‌دست‌آمده اظهار کرد: نتایج این تحقیق موجب افزایش وضوح تصاویر آنژیوگرافی و نمایش دقیق‌تر عروق کرونری شده و گامی مؤثر در توسعه فناوری پردازش تصویر پزشکی و بومی‌سازی روش‌های نوین مبتنی بر شبکه‌های عصبی عمیق به شمار می‌رود. این روش با کاهش زمان پردازش و افزایش دقت، نسبت به الگوریتم‌های سنتی کارایی بالاتری در کاربردهای بالینی دارد.

به گفته آخوندی، فاز نخست این طرح با بررسی مقالات علمی و تحلیل نقاط ضعف روش‌های موجود آغاز شد و در ادامه دو مدل مبتنی بر شبکه‌های عصبی طراحی و پیاده‌سازی شد. در روش اول، از شبکه بهبودیافته SpyNet برای آشکارسازی حرکت و از مدل Deep-Fill v2 برای بازسازی نواحی حذف‌شده استفاده شد. در روش دوم نیز یک معماری ترکیبی خودرمزگذار عمیق به‌کار گرفته شد تا اطلاعات پس‌زمینه از تصاویر قبل از تزریق ماده حاجب استخراج و برای بازسازی نواحی حاوی ماده حاجب مورد استفاده قرار گیرد.

وی افزود: در نهایت نسخه بهبودیافته مدل دوم ارائه و عملکرد آن با روش‌های استاندارد مقایسه شد که نتایج قابل‌توجهی را نشان داد.

این محقق کمبود داده و نیاز به توان پردازشی بالا برای آموزش شبکه‌های عصبی عمیق را از مهم‌ترین چالش‌های این پژوهش عنوان کرد و گفت: آموزش این مدل‌ها به زمان و سخت‌افزار قدرتمند، به‌ویژه کارت گرافیک قوی نیاز دارد که تلاش شد تا حد امکان بر این محدودیت‌ها غلبه شود.

آخوندی با اشاره به کاربردهای عملی این پژوهش تصریح کرد: نتایج این طرح می‌تواند در صنعت تجهیزات و نرم‌افزارهای پزشکی، تحلیل تصویر و سیستم‌های کمک‌تشخیصی مبتنی بر هوش مصنوعی مورد استفاده قرار گیرد. با این حال، به دلیل وارداتی بودن بسیاری از دستگاه‌های تصویربرداری، افزودن مستقیم این نرم‌افزار به سیستم‌های موجود ساده نیست و در حال حاضر می‌تواند به‌عنوان یک ابزار کمکی در کنار نظر پزشک به کار رود.

وی انتشار دو مقاله علمی را از دیگر دستاوردهای این پایان‌نامه دانست و افزود: نخستین مقاله در یک مجله بین‌المللی با رده Q1 منتشر شده و مقاله دوم نیز در یک مجله ایرانی حوزه زیست‌پزشکی به چاپ رسیده است.

این پژوهشگر بخش نوآورانه طرح را استفاده از شبکه خودرمزگذار هدایت‌شده برای بازسازی پس‌زمینه تصاویر حاوی ماده حاجب از تصاویر بدون ماده حاجب عنوان کرد و گفت: در طراحی شبکه‌های عصبی، ویژگی‌های خاص تصاویر آنژیوگرافی از جمله مقیاس خاکستری و ظرافت عروق به‌طور ویژه لحاظ شده است.

به نقل از روابط عمومی دانشگاه صنعتی امیرکبیر، آخوندی در پایان تأکید کرد: این روش با افزایش وضوح عروق کرونری، کاهش نیاز به تزریق ماده حاجب و در نتیجه کاهش خطرات مرتبط با آن، و همچنین کاهش قابل‌توجه زمان پردازش تصاویر، می‌تواند فرآیند تصویربرداری قلب را ایمن‌تر و کارآمدتر کند. همچنین حذف نیاز به تصاویر چندزمانه، دوز اشعه دریافتی بیمار را کاهش داده و این طرح را از نظر علمی و کاربردی در تراز روش‌های نوین پردازش تصویر پزشکی قرار می‌دهد.

انتهای پیام