تبديل مداليته تصاوير عملكردي مغز با استفاده از يادگيري عميق

اصفهان : دانشگاه صنعتي اصفهان

مهندسي پزشكي

كارشناسي ارشد

داده‌هاي پزشكي اعم ازسيگنال‌هاي پزشكي همچون EEG و تصاوير پزشكي همچون MRI از گذشته تا كنون چه درعلم پزشكي و چه در علم مهندسي پزشكي اهميت بسيار زيادي داشته‌اند. به كمك تجزيه و تحليل اين داده‌ها است كه پزشك مي‌تواند بيماري را تشخيص دهد و سپس درمان مناسب ارائه كند و همچنين با استفاده از بررسي اين داده‌هاي پزشكي پژوهشگران و محققان به افق‌هاي جديدي از علم دست مي‌يابند كه زمينه‌ساز بسياري از روش‌هاي درماني و دستاوردهاي نوين است. در موارد بسياري فرايند ثبت داده، فرايندي پرهزينه و دشوار است. در شرايطي كه با بيماران خاص مواجه هستيم به علت عدم همكاري شخص، ثبت داده امري دشوار و حتي غيرممكن است. از طرفي ثبت داده‌هايي نظيرfMRI بسيار پرهزينه خواهند بود. در نتيجه كمبود داده از چالش‌هاي اساسي اين حوزه است. به منظور تهيه داده‌هاي بيشتر جهت بهبود فرايند تشخيص پزشك و همچنين امكان گسترش پژوهش‌ها و حل مشكل كمبود داده به دنبال توليد داده‌هاي جديد از داده‌هاي موجود هستيم. هدف از اين پژوهش استفاده از روش‌هاي مبتني بر يادگيري عميق با ديدگاهي متفاوت جهت تبديل داده‌هاي EEG به داده‌هاي fMRI است. پژوهش‌هاي قبلي انجام شده در اين حوزه با استفاده از انواع شبكه‌هاي GAN داده‌هاي EEG را به طور مستقيم به داده‌هايfMRI تبديل كرده‌اند. از آنجايي كه مي‌دانيم اطلاعات مهم و اساسي داده‌هايEEG و FMRI به طور كامل از ماتريس كانكتيويتي آن‌ها قابل استخراج است، رويكرد متفاوت اين پژوهش تبديل ماتريس كانكتويتي مؤثر EEG به ماتريس كانكتويتي مؤثر fMRI است كه ماتريس‌هاي كانكتيويتي مؤثر به كمك روش عليت گرنجر محاسبه مي‌شوند. باتوجه به اينكه ماتريس‌هاي كانكتويتي ابعاد كوچكتري نسبت به داده‌هاي اصلي دارند انتظار فرايندي با سرعت بيشتري داريم. جهت تبديل ماتريس كانكتويتيEEG از شبكه‌هاي مبتني بر GAN همچون Pix2Pix استفاده خواهد شد. براي ارزيابي كيفيت عملكرد شبكه طراحي شده از معيارهاي ارزيابي MSE، PSNR و SSIM استفاده شده كه مقادير به دست آمده براي آن‌ها روي 30 داده تست به ترتيب برابر 0/00021، 38/135 و 0/848 است. داده‌هاي استفاده شده در اين پژوهش شامل داده‌هاي EEG و fMRI براي افراد مختلف است كه هر دو داده به طور همزمان و تحت فعاليتOdd-Ball ثبت شده است.

229662

بيوالكتريك

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان