دانلود مقاله و خرید ترجمه:روش های یادگیری عمیق برای تشخیص و تقطیع خودکار چندساختاری قلبی MRI: آیا مشکل حل شده است؟ - 2018
بلافاصله پس از پرداخت دانلود کنید
مقالات ترجمه شده یادگیری عمیق ( deep learning )
  • Deep Learning Techniques for Automatic MRI Cardiac Multi-structures Segmentation and Diagnosis: Is the Problem Solved? روش های یادگیری عمیق برای تشخیص و تقطیع خودکار چندساختاری قلبی MRI: آیا مشکل حل شده است؟
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    سال انتشار:

    2018


    ترجمه فارسی عنوان مقاله:

    روش های یادگیری عمیق برای تشخیص و تقطیع خودکار چندساختاری قلبی MRI: آیا مشکل حل شده است؟


    عنوان انگلیسی مقاله:

    Deep Learning Techniques for Automatic MRI Cardiac Multi-structures Segmentation and Diagnosis: Is the Problem Solved?


    منبع:

    IEEE Transactions on Medical Imaging ( Volume: 37 , Issue: 11 , Nov: 2018 )


    نویسنده:

    Olivier Bernard, Alain Lalande, Clement Zotti, Frederick Cervenansky, Xin Yang, Pheng-Ann Heng, Irem Cetin, Karim Lekadir, Oscar Camara, Miguel Angel Gonzalez Ballester, Gerard Sanroma, Sandy Napel, Steffen Petersen, Georgios Tziritas, Elias Grinias, Mahendra Khened, Varghese Alex Kollerathu, Ganapathy Krishnamurthi, Marc-Michel Rohe, Xavier Pennec, Maxime Sermesant, Fabian Isensee, Paul J ´ ager, Klaus H: Maier-Hein, ¨ Chrisitan F: Baumgartner, Lisa M: Koch, Jelmer M: Wolterink, Ivana Isgum, Yeonggul Jang, Yoonmi Hong, ˇ Jay Patravali, Shubham Jain, Olivier Humbert, and Pierre-Marc Jodoin


    چکیده انگلیسی:

    Delineation of the left ventricular cavity, myocardium and right ventricle from cardiac magnetic resonance images (multi-slice 2D cine MRI) is a common clinical task to establish diagnosis. The automation of the corresponding tasks has thus been the subject of intense research over the past decades. In this paper, we introduce the “Automatic Cardiac Diagnosis Challenge” dataset (ACDC), the largest publicly-available and fully-annotated dataset for the purpose of Cardiac MRI (CMR) assessment. The dataset contains data from 150 multi-equipments CMRI recordings with reference measurements and classification from two medical experts. The overarching objective of this paper is to measure how far state-of-the-art deep learning methods can go at assessing CMRI, i.e. segmenting the myocardium and the two ventricles as well as classifying pathologies. In the wake of the 2017 MICCAI-ACDC challenge, we report results from deep learning methods provided by nine research groups for the segmentation task and four groups for the classification task. Results show that the best methods faithfully reproduce the expert analysis, leading to a mean value of 0.97 correlation score for the automatic extraction of clinical indices and an accuracy of 0.96 for automatic diagnosis. These results clearly open the door to highly-accurate and fully-automatic analysis of cardiac CMRI. We also identify scenarios for which deep learning methods are still failing. Both the dataset and detailed results are publicly available on-line, while the platform will remain open for new submissions.
    Index Terms: Cardiac segmentation and diagnosis | deep learning | MRI | left and right ventricles | myocardium.


    چکیده فارسی:

    تفسیر بطن چپ، میوکارد و بطن راست از تصاویر تشدید مغناطیسی قلب (MRI cine 2D چندبخشی (چندبرشی)) روش بالینی رایجی برای رسیدن به تشخیص می باشد. به همین دلیل اتوماسیون امور مربوطه طی چند دهه ی اخیر مورد موضوع پژوهش های بسیاری بوده است. ما در این مقاله مجموعه داده ی «چالش تشخیص قلبی خودکار» (ACDC)، بزرگرترین مجموعه داده ی عمومی و تفسیرشده به منظور ارزیابی MRI قلبی (CMR) را ارائه می کنیم. این مجموعه داده شامل داده هایی از ۱۵۰ داده خوانی چنددستگاهی CMRI مبتنی بر اندازه گیری های مرجع و دسته بندی های صورت گرفته توسط دو متخصص پزشکی می باشد. هدف اصلی این مقاله، اندازه گیری توانایی روش های یادگیری عمیق نوین در ارزیابی CMRI، یعنی تقطیع میوکارد و دو بطن و نیز دسته بندی پاتولوژی هاست. ما پیرو چالش 2017 MICCAI-ACDC، نتایجی را از روش-های یادگیری عمیق ارائه شده توسط نه گروه پژوهشی در خصوص امر تقطیع و چهار گروه در خصوص امر دسته بندی ارائه می کنیم. نتایج نشان می دهند که بهترین روش ها قادرند تحلیل تخصیص را بازتولید (تکرار) کرده و به تبع آن به مقدار متوسط 0.97 برای امتیاز همبستگی استخراج خودکار شاخص های بالینی و دقت 0.96 برای تشخیص خودکار دست پیدا کنند. این نتایج به وضوح راه گشای تحلیل کاملاْ خودکار و بسیار دقیق CMRI قلبی خواهند بود. ما هم چنین سناریوهایی را نشان می دهیم که روش های یادگیری عمیق در آنها ناموفق هستند. نتایج دقیق و مفصل و نیز مجموعه داده، هر دو به صورت آنلاین در دسترس عموم قرار دارند، و پلتفرم برای ارائه ی نتایج جدید باز می باشد.
    اصطلاحات تخصصی: تقطیع و تشخیص قلبی | یادگیری عمیق | MRI | بطن های چپ و راست | میوکارد.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 39

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 248 کیلوبایت


    قیمت: 36000 تومان  28800 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی