عنوان
چارچوب يادگيري عميق چندوجهي قابل‌تبيين براي پيش‌بيني زودهنگام بيماري انسدادي مزمن ريه (COPD) با استفاده از تصاوير فوندوس شبكيه و داده‌هاي باليني
نويسنده اصلي
السبع، محمد امين
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
بيماري انسدادي مزمن ريه (COPD) يكي از مهم‌ترين علل جهاني ابتلا به بيماري و مرگ‌ومير محسوب مي‌شود و نياز به طبقه‌بندي زودهنگام خطر آن در رويه‌هاي معمول باليني به‌شدت احساس مي‌شود. اين پايان‌نامه به توسعه، ارزيابي و پياده‌سازي يك چارچوب يادگيري عميق چندوجهيِ قابل‌تبيين مي‌پردازد كه تصاوير فوندوس شبكيه را با متغيرهاي ساختاريافته باليني براي پيش‌بيني شدت بيماري انسدادي مزمن ريه تركيب مي‌كند. در اين چارچوب، يك شاخه پردازش تصوير مبتني بر معماري كانولوشني با ساختار مشابه ResNet با يك شاخه ويژگي‌هاي باليني شامل بيش از بيست متغير منتخب ادغام شده و نمايش مشترك حاصل براي پيش‌بيني چهار رده شدت بيماري (خفيف، متوسط، شديد و بسيار شديد) آموزش داده مي‌شود.
مجموعه‌داده مورد استفاده از 1,994 تصوير شبكيه مرتبط با سوابق باليني ايجاد شد و از طريق بيش‌نمونه‌گيري هدفمند به 3,228 نمونه (807 نمونه براي هر رده) متعادل گرديد. مدل به مدت 25 دوره آموزشي با استفاده از بهينه‌ساز AdamW و كاهش وزن آموزش داده شد. بهترين دقت اعتبارسنجي برابر با 73.99% به دست آمد و در ارزيابي نهايي، دقت 0.74 و ضريب كاپاي كوهن 0.6532 حاصل شد. همچنين تحليل عملكرد در سطح هر رده نشان داد كه مدل در شناسايي رده «بسيار شديد» داراي يادآوري بالايي بوده و در ساير رده‌ها نيز رفتار پايداري از خود نشان مي‌دهد.
قابليت تبيين‌پذيري مدل از طريق بصري‌سازي‌هاي Grad-CAM براي شاخه تصويري و نيز گزارش‌دهي ساختاريافته در سطح ويژگي‌ها براي شاخه باليني فراهم شده است. مدل آموزش‌ديده در يك برنامه تحت مرورگر مبتني بر Flask و پشتيباني‌شده توسط پايگاه داده SQLAlchemy يكپارچه‌سازي شد كه امكاناتي نظير احراز هويت پزشك، بارگذاري تصاوير فوندوس، ورود داده‌هاي باليني، پيش‌بيني، بصري‌سازي نتايج، توليد گزارش PDF و نگهداري تاريخچه سوابق بيماران را فراهم مي‌كند.
آزمون‌هاي انجام‌شده در سطح مرورگر تأييد كردند كه نمونه اوليه توسعه‌يافته قادر به توليد نتايج انتها به انتها، شامل تشخيص مبتني بر هوش مصنوعي، برچسب شدت بيماري، امتياز اطمينان، نماهاي تحليل شبكيه، تحليل نشانگرهاي زيستي و گزارش قابل دانلود است. همچنين پيش‌بيني‌ها براي بازبيني‌هاي بعدي در پايگاه داده ذخيره مي‌شوند. ازاين‌رو، اين پايان‌نامه يك خط لوله كامل از پژوهش تا نمونه اوليه را ارائه مي‌دهد كه مدل‌سازي عميق چندوجهي، استدلال باليني، تبيين‌پذيري و يك رابط وب كاربردي را براي غربالگري غيرتهاجمي بيماري انسدادي مزمن ريه در كنار يكديگر قرار مي‌دهد.
شماره ركورد
237740
گرايش رشته تحصيلي
هوش مصنوعي و رباتيك
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان