با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
روش های یادگیری عمیق برای تشخیص و تقطیع خودکار چندساختاری قلبی MRI: آیا مشکل حل شده است؟
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 39 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. |
مقاله ترجمه شده |