بخش‌بندی خودکار تصاویر تشدید مغناطیسی ستون فقرات کمری با شبکه سِگیونِت

یکی از علل کمردرد، تنگی کانال نخاعی در ناحیه ستون فقرات است. تحلیل آن نیازمند تفکیک نواحی در تصویر اِم‌آر محوری است. مطالعات پیشین شامل روش‌های نیمه‌خودکار و پردازش‌هایی با انعطافِ پایین‌تر نسبت به یادگیری‌ عمیق بودند. در این تحقیق با الهام از عملکرد موفق شبکه‌های پیچشی u شکل در بخش‎‌بندی تصاویر پزشکی، با به‌کارگیری ایدهِ افزایش ظرفیت یعنی عمیق‌تر و عریض‌تر ساختن شبکه درکنار استفاده از تکنیک‌های اتصالات اسکیپ و انتقال ویژگی‌ها به لایه‌های بالاتر شامل ویژگی‌های خام و نیز شامل اندیس‌های مکس پولینگ، قدرت شبکه در تشخیص لبه و بازیابی رزولوشن در تصویر بخش‌بندی شده نهایی بسیار بهبود یافت. این مدل توسعه یافته سِگیونت نام دارد که متناسب با سایز ورودی تصاویر، معماری تثبیت شده و بر روی دسته‌داده تصاویر محوری ام آر با تعداد 3000 تصویر در وزن‌های t1 و t2 آموزش یافت و با ارزیابی خروجی شبکه بر روی داده‌های تست به اجتماع‌برروی‌اشتراک برابر با 87.9 درصد رسیدیم که نسبت به کارقبلی که برپایه معماری آموزش دیده vgg16 صورت پذیرفته بود در همه کلاس‌ها بهبود کیفیت 2 الی 10 درصد را در پارامترهای ارزیابی شاهد هستیم.