توسعه یک سیستم تشخیص خودکار خونریزی‌های مغزی از طریق تحلیل تصاویر سی‌تی‌اسکن با به‌کارگیری رویکردهای هوش مصنوعی و یادگیری عمیق (مطالعه موردی بیمارستان پور سینا، رشت)

خونریزی داخل مغزی (ich) یکی از خطرناک‌ترین شرایط اورژانسی پزشکی است که معمولاً بر اثر تروما، فشار خون بالا یا اختلالات عروقی رخ می‌دهد. تشخیص سریع و دقیق آن نقش حیاتی در کاهش مرگ‌ومیر و عوارض ناشی از آن دارد. در این پژوهش، یک سیستم مبتنی بر یادگیری عمیق برای شناسایی خودکار ich از تصاویر سی‌تی‌اسکن مغز ارائه شده است. در ابتدا، الگوریتم ماشین بردار پشتیبان (svm) با ویژگی‌های بافتی استخراج‌شده از ماتریس هم‌وقوعی سطح خاکستری (glcm) و تکنیک خوشه‌بندی k-means برای طبقه‌بندی تصاویر به کار گرفته شد. سپس، شبکه عصبی عمیق alexnet با رویکرد یادگیری انتقالی برای بهبود دقت تشخیص مورد استفاده قرار گرفت. مدل پیشنهادی (alexnet-svm) به دقت 99.6% دست یافت و نشان داد که سیستم‌های مبتنی بر یادگیری عمیق می‌توانند فرآیند تشخیص ich را تسریع کنند. این امر به‌ویژه در مراکز درمانی شلوغ و محیط‌های با دسترسی محدود به متخصصان رادیولوژی مفید خواهد بود.