|
|
شناسایی سندرم ویلیامز بورن با استفاده از روش شبکه عصبی کانولوشن عمیق
|
|
|
|
|
نویسنده
|
سعدون محمود الرفاعی شیما ,آینه بند مقداد
|
منبع
|
اولين كنفرانس بين المللي ايده هاي نو در مهندسي برق - 1402 - دوره : 1 - اولین کنفرانس بین المللی ایده های نو در مهندسی برق - کد همایش: 02230-21684 - صفحه:0 -0
|
چکیده
|
سندرم ویلیامز-بورن (wbs) یک سندرم ژنتیکی نادر با یک گشتالت صورت «الفین» مشخص است. برخی از ویژگی های صورت بیماران عبارتند از: پیشانی پهن، پف دور چشم، پل بینی صاف، بینی کوتاه رو به بالا، دهان پهن، لب های ضخیم و چانه نوک تیز. اخیراً شبکههای عصبی کانولوشنال عمیق با موفقیت در تشخیص چهره برای تشخیص سندرمهای ژنتیکی استفاده شدهاند. با این حال، تحقیقات کمی در مورد تشخیص چهره wbs با استفاده از یادگیری عمیق وجود دارد. این مطالعه امکان استفاده از یادگیری عمیق را برای تشخیص wbs در عمل بالینی برجسته کرد. با توجه به روش پیشنهادی، چارچوب تشخیص چهره مبتنی بر vgg-19 می تواند نقش برجسته ای در تشخیص wbs داشته باشد. فناوری یادگیری انتقالی میتواند به ساخت مدلهای تشخیص چهره سندرمهای ژنتیکی با مجموعه دادههای در مقیاس کوچک کمک کند. در این مطالعه 104 کودک wbs، 91 مورد با سایر سندرم های ژنتیکی و 145 کودک سالم مورد مطالعه قرار گرفتند. مجموعه داده عکس تنها از یک عکس صورت جلوی هر شرکتکننده استفاده کرد. پنج چارچوب تشخیص چهره برای wbs به ترتیب با استفاده از معماریهای vgg-16، vgg-19، resnet-18، resnet-34 و mobilenet-v2 ساخته شدند. یادگیری انتقال imagenet برای جلوگیری از تطبیق بیش از حد استفاده شد. عملکرد طبقهبندی مدلهای تشخیص چهره با اعتبارسنجی متقاطع پنج برابری ارزیابی شد و مقایسه با متخصصان انسانی انجام شد. یافته ها نشان داده است که از پنج چارچوب تشخیص چهره ای که برای wbs ساخته شده است، مدل vgg-19 بهترین عملکرد را به دست آورده است. دقت، یادآوری، امتیاز f1 و سطح زیر منحنی (auc) مدل vgg 19 به ترتیب 1.3 ± 92.7، 5.6 ± 94.0، 3.6 ± 81.7، 2.0 ± 87.2 درصد و 1.3 ± 89.6 درصد بود. . بالاترین دقت، دقت، یادآوری، امتیاز f1 و auc متخصصان انسانی به ترتیب 82.1، 65.9، 85.6، 74.5 و 83.0 درصد بود. auc هر متخصص انسانی نسبت به aucهای vgg-16 (3.5 ± 88.6)، vgg 19 (1.3 ± 89.6)، (resnet-18 (8.2 ±83.6 و resnet-34 (4.9 ± 86.3)) پایین تر بود.
|
کلیدواژه
|
سندرم ویلیامز-بورن، سندرم ژنتیکی، شبکه های عصبی کانولوشنال، تشخیص خودکار چهره
|
آدرس
|
, iran, , iran
|
پست الکترونیکی
|
krayeneband@ihu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|