تشخیص اختلال اوتیسم با استفاده از پردازش تصاویر mri و شبکه‌های یادگیری عمیق

اوتیسم یک اختلال رشدی از نوع روابط اجتماعی است که در فارسی به خودماندگی ترجمه می‌شود و تاکنون علت مشخص و خاصی برای این بیماری ذکر نشده است؛ اما ترکیبی از عوامل ارثی و محیطی در ایجاد بیماری موثر است. این عارضه نتیجه یک اختلال عصبی‌شناختی است که بر عملکرد طبیعی مغز تاثیر می‌گذارد و رشد آن را در حوزه‌های مربوط به ارتباط و تعامل اجتماعی مختل می‌کند. ابتدا تصاویر مورد نظر از پایگاه داده دانلود خواهد شد. برای دسترسی به تصاویر mri مربوط به افراد سالم و افراد دارای اوتیسم از پایگاه داده abide i استفاده خواهد شد. در این تحقیق از دیتاست موجود در پایگاه داده abie i استفاده خواهد شد. این پایگاه داده شامل اطلاعات 1112 کودک شامل 539 کودک سالم و 573 کودک مبتلا به اوتیسم است. هر برش مغزی از تصاویر mri دارای وضوح 166*256 پیکسل است. براساس نتایج حاصل، روش پیشنهادی می‌تواند سالم یا بیمار بودن افراد را از طریق پردازش تصاویر mri آن‌ها با دقت 96.76 درصد تشخیص دهد. از طرفی، مقایسه عملکرد روش پیشنهادی با حالت دیگر نشان داد که هریک از تکنیک‌های قطعه‌بندی و نرمالسازی تصاویرم می‌توانند به ترتیب افزایش حداقل 2.87 و 1.94 درصدی دقت را درپی داشته باشند. روش پیشنهادی از نظر معیارهای صحت، ویژگی و f-measire می‌تواند تشخیص اختلالات طیفی اوتیسم را با کیفیت بالاتری انجام دهد. اگرچه این افزایش کارایی در روش پیشنهادی مستلزم صرف توان پردازشی بالاتری می‌باشد؛ اما با در نظر داشتن برتری‌های آن می‌توان این بار محاسباتی را نادیده گرفت.