مروری بر تشخیص تومورهای کبدی با استفاده از شبکه های عصبی پیچیده
Publish place: The first conference of electricity, mechanics, aerospace, computer and engineering sciences
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 314
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAECONF01_058
تاریخ نمایه سازی: 15 فروردین 1402
Abstract:
تشخیص زود هنگام سرطان کبد با استفاده از سی تی اسکن میتواند از مرگ میلیونها بیمار در سال جلوگیری کند. با این حال خواندن صد ها یا حتی ده ها اسکن توموگرافی کامپیوتری برای رادیولوژیستها بار سنگینی است.بنابراین خواندن خودکار و شناسایی و ارزیابی دقیق اسکن ضروری است. تقسیم بندی خودکار تومورهای کبد با سی تی اسکنهای شکمی برای کمک به متخصصان پزشکی در زمینه ارزیابی رشد تومور و ایجاد برنامه درمانی سریع ضروری است. اگرچه شبکه های عصبی کانولوشن عمیق به پیشرفت های بسیاری در زمینه تصویربرداری کمک کرده اند ، اما این کارهمچنان چالش برانگیز است. یک شبکه می تواند برای تقسیم بندی خودکار و دقیق کبد بر روی تصاویر به دست آمده با روش های مختلف تصویر برداری آموزش ببیند. برای این کار از ۲ روش استفاده می شود: ابتدا از تصاویر MRIکاملا هماهنگ در مجموعه داده های دوبعدی استفاده شده و سپس از روش یادگیری انتقالی برای تعمیم این کانولوشن استفاده شده است. در این الگوریتم تصاویر در مقیاس خاکستری به عنوان نقش برجسته توپوگرافی در نظر گرفته میشود. دو آزمایش اعتبارسنجی برای ارزیابی دقت CNN چندوجهی اولیه و نهایی برای تقسیمبندی کبد انجام شده که در آزمایش اول دقت CNN اولیه را برای تقسیمبندی کبد با استفاده از هر یک از شش اکو از ۵۰ آزمایش MRI multiecho ۲Dو SPGR ۳D از مجموعه داده اعتبارسنجی داخلی استفاده شده و در ازمایش دوم دقت CNN اولیه و چندوجهی برای تقسیمبندی کبد با استفاده از هر چهار نوع تصویر از مجموعه دادههای اعتبارسنجی داخلی و خارجی مقایسه شده است.
Keywords:
Authors
مبینا نادری
گروه مهندسی پزشکی موسسه آموزشی علم گستر بروجرد،بروجرد لرستان
یاسر بازوند
گروه مهندسی پزشکی موسسه آموزشی علم گستر بروجرد،بروجرد لرستان