پژوهش‌های نوین در مهندسی برق و الکترونیک هوایی

پژوهش‌های نوین در مهندسی برق و الکترونیک هوایی

تشخیص بیماری ‌ام‌اس از روی تصاویر OCT با استفاده از الگوریتم های یادگیری ماشین و بهبود دقت با ترکیب طبقه بندهای مختلف

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه مهندسی پزشکی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
2 گروه مهندسی برق، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/mreea.2025.234195
چکیده
با توجه به اهمیت سلامتی کارکنان در شرایط پرخطر (مانند مأموریتهای فضایی) و ضرورت بهبود سامانه‌های نظارت بر سلامت در صنایع حوزه مهندسی برق و الکترونیک هوافضا، در این تحقیق بیماری مولتیپل اسکلروزیس(ام اس) مورد بررسی قرار گرفته است. برای تشخیص این بیماری از پایگاه داده بیمارستان جانز هاپکینز استفاده شد که حاوی تصاویر توموگرافی انسجام نوری (OCT) از شبکیه چشم راست ۳۵ نفر (21 بیمار مبتلا به ام اس و 14 فرد سالم) در طول مدت 10 سال است. پس از پیش پردازش تصاویر و استخراج ویژگی ها، از سه طبقه بند مختلف جهت دسته بندی افراد در دو گروه سالم و بیمار استفاده شد. ماتریس درهم ریختگی برای سه طبقه بند جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM) و K-نزدیکترین همسایه (KNN) استخراج و دقت تشخیص بیماری برای هریک محاسبه گردید. نتایج نشان داد طبقه بند RF با دقت 85% بیشترین دقت و KNN با 57% کمترین دقت را دارد. طبقه بند SVM به دقت 71% رسید. در نهایت با استفاده از روش‌های ترکیبی پیشبینی آنها به کمک رأی اکثریت ادغام گردید. نتایج نشان داد که با ترکیب این سه طبقه بند می‌توان به دقت 91% رسید. این دقت‌ها با نتایج مطالعات مشابه اخیر مطابقت دارد.
کلیدواژه‌ها
موضوعات

  • تاریخ دریافت 17 فروردین 1404
  • تاریخ بازنگری 21 مهر 1404
  • تاریخ پذیرش 22 آبان 1404