کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

یادگیری عمیق در تشخیص سکته مغزی: مروری تحلیلی بر معماری‌ها، داده‌های تصویربرداری و مسیرهای پژوهشی آینده

نویسندگان :

فاطمه اسکندری¹

1- موسسه اموزش عالی توس مشهد

کلمات کلیدی :

یادگیری عمیق،سکته ایسمیک،سکته هموراژیک،تصویربرداری مغزی،ترنسفورمرها

چکیده :

سکته مغزى یکى از مهم ترین علل مرگ و میر وناتوانى پایدار در سراسر جهان به شمار مى رود و تشخیص سریع و دقیق آن نقشى حیاتى در کاهش عوارض وبهبود پیامدهاى درمانی دارد. در سالهاى اخیر، یادگیری عمیق به عنوان رویکردى نوین و مؤثر در تحلیل داده هاى تصویر بردارى پزشکى، به ویژه در تشخیص خودکار سکته مغزى، توجه گسترده ای را به خود جلب کرده است. در این مقاله، مرورى جامع بر پیشرفت هاى اخیر در به کارگیری شبکه هاى عصبى عمیق براى شناسایى و طبقه بندى سکته های ایسکمیک و هموراژیک ارائه مى شود.در این راستا، روش هاى تختلف تصویربردارى مغزى مانند MRI وسى تى اسکن به عنوان منابع اصلى داده مورد بررسى قرار گرفته و معمارى هاى گوناگون شبکه هاى عمیق ومشتقات آن وترنسفورمرها از جمله Vision Transformer تحلیل شده اند. مرور مطالعات اخیر نشان مى دهد که ترکیب مکانیسم هاى توجه (Attention Mechanisms) وادغام داده هاى چندوجهى (Multi modal fusion) مى تواند موجب بهبود چشمگیر دقت و پایدارى مدل هاى تشخیصى شود. با وجود پیشرفت هاى قابل توجه، چالش هایى نظیر کمبود داده هاى برحسب خورده، پیچیدگی محاسباتى مدلها و دشوارى در تفسیر تصمیمات شبکه هاى عمیق همچنان وجود دارد. هدف این مطالعه، تبیین روند تحولات اخیر، شناسایى محدودیت هاى کنونى وترسیم مسیرهاى آینده پژوهش در زمینه توسعه مدل هاى هوشمند و قابل اعتماد براى تشخیص خودکار و دقیق سکته مغزى است.