مقایسه عملکرد یولو ۱۰ و یولو ۸ در تشخیص سنگ کلیه با استفاده از تصاویر توموگرافی کامپیوتری مبتنی بر یادگیری عمیق
Publish place: The first national Congress of modern paramedical sciences
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 8
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CMPS01_186
تاریخ نمایه سازی: 17 خرداد 1405
Abstract:
زمینه تشخیص سنگ کلیه نقش مهمی در تشخیص زودهنگام و برنامه ریزی درمان دارد. این مطالعه کارایی الگوریتم های پیشرفته تشخیص اشیاء را در شناسایی سنگ های کلیه از تصاویر پزشکی بررسی می کند. مواد و روش ها به طور خاص ما عملکرد یولو ۱۰ جدیدترین نسخه در خانواده یولو را با نسخه قبلی آن یولو ۸ مقایسه می کنیم. تحقیق ما از یک مجموعه داده جامع از تصاویر توموگرافی کامپیوتری است که شامل نمونه های متنوعی از سنگ های کلیه است، استفاده می کند. هر تصویر با دقت با جعبه های محدود کننده برای تسهیل تشخیص دقیق حاشیه نویسی شده است. تحلیل مقایسه ای بر دقت تشخیص، سرعت پردازش و توانایی شناسایی سنگ های با اندازه ها و موقعیت های مختلف تمرکز دارد. یافته ها: یافته های ما پتانسیل این الگوریتم های پیشرفته را در افزایش دقت و کارایی تشخیص سنگ کلیه در محیط های بالینی نشان می دهد. نتیجه گیری این تحقیق به تلاش های مداوم برای بهبود قابلیت های تشخیصی در اورولوژی از طریق تکنیک های پیشرفته بینایی کامپیوتری کمک می کند.
Keywords:
Authors
امیر عابدینی
دانشجوی کارشناسی ارشد رشته هوش مصنوعی دانشکده هوش مصنوعی و علوم شناختی دانشگاه جامع امام حسین (ع) تهران، ایران
محمدرضا حسنی آهنگر
استاد رشته هوش مصنوعی دانشکده هوش مصنوعی و علوم شناختی دانشگاه جامع امام حسین (ع)، تهران، ایران
رامین دلیر
استادیار رشته هوش مصنوعی دانشکده هوش مصنوعی و علوم شناختی دانشگاه جامع امام حسین (ع)، تهران، ایران