صرع از شایع‌ترین اختلالات نورولوژیک است که تشخیص زودهنگام آن برای جلوگیری از آسیب‌های عصبی ضروری است. تصویربرداری MRI به‌دلیل وضوح بالا و غیرتهاجمی بودن، ابزار استاندارد در شناسایی ضایعات مغزی مرتبط با صرع محسوب می‌شود، اما تفسیر دستی آن زمان‌بر و مستعد خطاست. در سال‌های اخیر، شبکه‌های عصبی کانولوشنی (CNN) امکان تحلیل خودکار تصاویر MRI و شناسایی الگوهای پیچیده را فراهم کرده‌اند. این مطالعه مروری به بررسی عملکرد مدل‌های Fc-Net، 3D-CNN، DAG-CNN، U-Net و m-CNN در تشخیص صرع پرداخته است. نتایج نشان می‌دهند که مدل‌های سه‌بعدی با تحلیل حجمی داده‌ها، بالاترین دقت را داشته‌اند در برخی موارد تا بیش از ۹۶% دقت تشخیصی حاصل شده است . با وجود این پیشرفت‌ها، چالش‌هایی مانند ناهمگونی داده‌ها، عدم شفافیت مدل‌ها و نیاز به سخت‌افزار قدرتمند همچنان مطرح است و نیازمند تحقیقات بیشتر می‌باشد.

صرع یادگیری عمیق شبکه عصبی کانولوشنی MRI تشخیص خودکار.