ارائه کننده: مینا ایمان شایان
استاد راهنما: دكتر توكتم خطيبي
استاد مشاور: دكتر محمد ايتي فيروزآبادي
استاد داور داخلي: دكتر سيدكمال چهارسوقي
استاد داور خارج از دانشگاه: دكتر ساناز زرگر
نماينده تحصيلات تكميلي: دكتر سيدكمال چهارسوقي
تاریخ: 1403/11/24         
ساعت: 09:00
مكان: اتاق 215 دانشكده فني و مهندسي

چکیده:
ناحیه خلفی-خارجی زانو و رباط جانبی خارجی زانو به دلیل نقش حیاتی در حفظ پایداری مفصل زانو و کنترل حرکات جانبی و چرخشی، از مهم‌ترین اجزای آناتومیک زانو به شمار می‌روند. آسیب‌های این ناحیه، به‌ویژه در مواردی که همراه با سایر صدمات زانو مانند پارگی رباط‌های صلیبی رخ می‌دهند، می‌توانند منجر به بی‌ثباتی، درد مزمن، و کاهش کیفیت زندگی بیماران شوند. تشخیص دقیق و زودهنگام این آسیب‌ها برای پیشگیری از پیامدهای بلندمدت و ارائه درمان مؤثر، از اهمیت ویژه‌ای برخوردار است. با این حال، پیچیدگی‌های آناتومیکی این ناحیه و محدودیت‌های روش‌های تشخیصی سنتی، اغلب به چالش‌هایی در فرآیند تشخیص منجر می‌شوند. این پژوهش با هدف طراحی یک مدل و چارچوب نوین مبتنی بر یادگیری عمیق برای تشخیص دقیق آسیب‌های ناحیه خلفی-خارجی و رباط جانبی خارجی زانو از تصاویر MRI انجام شده است. در این راستا، داده‌های MRI مربوط به بیماران، شامل تصاویر محوری، تاجی و سهمی، جمع‌آوری و برای تحلیل به مدل ارائه شدند. با استفاده از تکنیک‌های پیشرفته یادگیری عمیق مانند شبکه‌های عصبی پیچشی (CNN)  و مدل‌های از پیش‌آموزش‌دیده، سیستمی طراحی گردید که قادر به استخراج ویژگی‌های کلیدی از تصاویر و تولید گزارش‌های تشخیصی جامع و دقیق است. این مدل با بهره‌گیری از داده‌های واقعی و استاندارد، توانست با دقت بالا آسیب‌ها را شناسایی و طبقه‌بندی کند. نتایج این تحقیق نشان داد که استفاده از یادگیری عمیق در تحلیل تصاویر MRI، نه تنها دقت و سرعت تشخیص را افزایش می‌دهد، بلکه قابلیت پیش‌بینی پیامدهای بالینی و ارائه اطلاعات کاربردی به پزشکان را نیز دارد. مدل پیشنهادی با کاهش وابستگی به تفسیر دستی و کاهش خطاهای انسانی، امکان تصمیم‌گیری درمانی بهینه و برنامه‌ریزی دقیق‌تر جراحی را فراهم می‌سازد.. این تحقیق با ارائه رویکردی جامع و نوین، به پیشرفت دانش و فناوری در حوزه تشخیص آسیب‌های زانو کمک کرده و مسیر را برای تحقیقات بیشتر در استفاده از یادگیری عمیق در سایر حوزه‌های ارتوپدی و پزشکی هموار می‌سازد.