طراحی و پیاده سازی یک تکنیک بر پایه ی یادگیری ماشین و یادگیری عمیق برای ردیابی کردن اتوماتیک فیبر های عصبی (Fiber Tracking) در مغز با استفاده از تصاویر DTI
ردیابی فیبرهای عصبی با استفاده از تصاویر DTI یک ابزار مهم و کاربردی برای مطالعه ی ماده ی سفید (White Matter) مغز است؛ که به ما امکان می دهد با پیدا کردن و تحلیل فیبرهای عصبی اتصالات نواحی مختلف مغز را مطالعه کنیم.
خلاصه ضرورت اجرای طرح
ردیابی فیبرهای عصبی با استفاده از تصاویر DTI یک ابزار مهم و کاربردی برای مطالعه ی ماده ی سفید (White Matter) مغز است؛ که به ما امکان می دهد با پیدا کردن و تحلیل فیبرهای عصبی اتصالات نواحی مختلف مغز را مطالعه کنیم. یک کاربرد مهم این کار می تواند در پیدا کردن اختلالات عصبی ایجاد شده توسط بیماریهای مختلف مغزی باشد که ساختار فیبرهای عصبی را از حالت عادی خود تغییر داده اند. روش های استاندارد ردیابی فیبرهای عصبی در ابتدا تلاش می کنند با استفاده از تصاویر DTI جهت گیری فیبرهای عصبی در هر ناحیه را تخمین بزنند؛ سپس، با استفاده از ردیابی و بررسی جهت های بدست آمده در هر ناحیه، رشته های ماده سفید مغز را به دست آورند. بنابراین، تخمین زدن جهت گیری های موضعی ماده سفید با استفاده از تصاویر DTI یک قسمت بسیار مهم در ردیابی فیبرهای عصبی است؛ که می تواند بر روی دقت نهایی تاثیر زیادی بگذارد. از آنجایی که ماده سفید می تواند جهت گیری (orientation) های مختلفی در یک واکسل مغز داشته باشد، پیدا کردن جهت گیری فیبرها کار مشکلی ست. روش های سنتی برای حل این مشکل از یک مدل ریاضی پیش فرض استفاده می کنند. نقص اصلی چنین مدل هایی استفاده از فرضیات خاص در مورد خواص ماده سفید و سیگنال های DTI است که می تواند به طور ذاتی برای اشخاص و دستگاه های تصویربرداری مختلف، متفاوت باشند.
هدف اصلی این پروپوزال ارائه ی یک تکنیک اتوماتیک برای fibre tracking با استفاده از تکنیک های یادگیری ماشین و یادگیری عمیق می باشد. ارائه ی چنین تکنیکی نه تنها قابلیت انتشار در مجله های بین المللی را دارد بلکه می تواند به عنوان یک ابزار کمکی کارآمد در کنار پزشکان قرار گیرد.
ارسال نظر