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 |
Performance analysis of machine learning algorithm of detection and classification of brain tumor using computer vision
تحلیل عملکرد الگوریتم یادگیری ماشین تشخیص و طبقه بندی تومور مغزی با استفاده از بینایی کامپیوتر-2022 Brain tumor is one of the undesirables, uncontrolled growth of cells in all age groups. Classification of tumors
depends no its origin and degree of its aggressiveness, it also helps the physician for proper diagnosis and
treatment plan. This research demonstrates the analysis of various state-of-art techniques in Machine Learning
such as Logistic, Multilayer Perceptron, Decision Tree, Naive Bayes classifier and Support Vector Machine for
classification of tumors as Benign and Malignant and the Discreet wavelet transform for feature extraction on the
synthetic data that is available data on the internet source OASIS and ADNI. The research also reveals that the
Logistic Regression and the Multilayer Perceptron gives the highest accuracy of 90%. It mimics the human
reasoning that learns, memorizes and is capable of reasoning and performing parallel computations. In future
many more AI techniques can be trained to classify the multimodal MRI Brain scan to more than two classes of
tumors. keywords: هوش مصنوعی | ام آر آی | رگرسیون لجستیک | پرسپترون چند لایه | Artificial Intelligence | MRI | Logistic regression | OASIS | Multilayer Perceptron |
مقاله انگلیسی |
2 |
Computer vision techniques for Upper Aero-Digestive Tract tumor grading classification - Addressing pathological challenges
تکنیک های بینایی ماشین برای طبقه بندی تومورهای دستگاه هضم دستگاه گوارش فوقانی - پرداختن به چالش های آسیب شناختی-2021 Oral cancer is one of the common cancer types which scales higher in death rate every year. The con- nectivity of two different cavities like oral cavity and nasal cavity is known as Upper Aero-Digestive Tract (UADT). Both oral and nasal cavities consist of thirteen connecting sites from mouth to upper stomach. The traditional pathological analysis like manual microscopic review brings out major intra and inter- observer variability problem. A new automated system is proposed using computer vision techniques to focus and analyse major pathological problems like intra and interobserver variability problem and mis- classification of dysplasia type of tumours. The morphological behaviour of biopsy tissue samples are analysed digitally with different sites of UADT and different cancerous and non-cancerous stages. The proposed technique will play a major role in assisting the manual pathology procedure for analysing the morphology of dysplasia type of tumours and classification of tumour gradings. A method is proposed which integrates an alternate process to find the morphology of dysplasia type tumours using different image processing techniques. A state-of-the-art Force Reconstructed Particle Swarm Optimization Based SVM is proposed for UADT oral cancer classification for ten different oral cavity sites. The proposed clas- sification technique achieved 94 % accuracy.© 2021 Elsevier B.V. All rights reserved. Keywords: FR-PSO | SVM | Classification | Cancer | UADT | Machine Learning |
مقاله انگلیسی |
3 |
Machine learning methods for MRI biomarkers analysis of pediatric posterior fossa tumors
روشهای یادگیری ماشین برای تحلیل نشانگرهای زیستی MRI از تومورهای حفره ای کودکان-2019 Medical imaging technologies provide an increasing number of opportunities for disease
prediction and prognosis. Specifically, imaging biomarkers can quantify the entire tumor
phenotypes to enhance the prediction. Machine learning technology can be explored to mine
and analyze these biomarkers and to establish predictive models for the clinical applications.
Several studies have applied various machine learning methods to imaging biomarkers
based clinical predictions of different diseases. Here we seek to evaluate different
machine learning methods in pediatric posterior fossa tumor prediction. We present a
machine learning based magnetic resonance imaging biomarkers analysis framework for
two kinds of pediatric posterior fossa tumors. In details, three feature extraction methods
are used to obtain 300 imaging biomarkers. 10 feature selection methods and 11 classifiers
are evaluated by the quantified predictive performance and stability, and importance
consistency of features and the influence of the experimental factors are also analyzed.
Our results demonstrate that the CFS feature selection method (accuracy: 83.85 5.51%, stability: [0.84, 0.06]) and SVM classifier (accuracy: 85.38
3.47%, RSD: 4.77%) show relatively better performance than others and should be preferred. Among all the biomarkers, 17
texture features seem to be more important. Multifactor analysis results indicate the choice
of classifier accounts for the most contribution to the variability in performance (37.25%).
The machine learning based framework is efficient for pediatric posterior fossa tumors
biomarkers analysis and could provide valuable references and decision support for assisted
clinical diagnosis. Keywords: Pediatric posterior fossa tumor | Magnetic resonance imaging | Biomarker | Machine learning | Feature selection | Classifier |
مقاله انگلیسی |
4 |
موضع گیری تومور پستان تحت هدایت رفلکتور در برابر محل موضع گیری سیم برای لامپکتومی: مقایسه ای از نتایج جراحی
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 4 - تعداد صفحات فایل doc فارسی: 16 هدف: مقایسه ی نتایج جراحی موضع گیری رفلکتور SAVI SCOUT (مترجم: یک سیستم هدایت گر در جراحی و یک فن آوری نوین که به جراحان مراکز سرطان پستان پستانداران اجازه می دهد که قبل از جراحی، لیزر را با دقت بیشتری نشانه گیری کنند) (SSL) در برابر موضع گیری سیمی (WL) برای تومورهای پستان
روش ها: بررسی معکوس 42 مورد SSL و 42 مورد WL. بیماران WL به صورت پی در پی برای ویژگی های بالینی-آسیب شناسی همسان سازی شدند. سنجش نتیجه ی نهایی جراحی عبارت بودند از حجم نمونه، وضعیت حاشیه ای، و میزان برش مجدد. نتایج: هیچ تفاوت معناداری در حجم های نمونه های متوسط (SSL-15.2 cm3 vs. WL-16.3 cm3)، میزان حاشیه ی مثبت (SSL-9.5% vs. WL-7.1%)، میزان حاشیه ی بسته (SSL-7.1% vs. WL-11.9%)) و میزان برش مجدد (SSL-7.1% vs. WL-9.5%) دیده نشد. نتیجه گیری: SSL یک جایگزین قابل قبول برای WL بدون هیچگونه تفاوت نتایج جراحی معنادار، می باشد. کلیدواژگان: سرطان پستان | موضع گیری تومور |
مقاله ترجمه شده |
5 |
Prevention and management of carcinoid crises in patients with high-risk neuroendocrine tumours undergoing peptide receptor radionuclide therapy (PRRT): Literature review and case series from two Australian tertiary medical institutions
پیشگیری و مدیریت بحران کارسینوئید در بیماران مبتلا به تومورهای عصبی با ریسک بالا تحت درمان با رادیونوکلئید گیرنده پپتیدی (PRRT): بررسی ادبیات و سری موارد از دو موسسه عالی پزشکی استرالیا-2018 Peptide receptor radionuclide therapy (PRRT) is an important therapeutic option for somatostatin receptor
(SSTR) positive metastatic and/or inoperable neuroendocrine tumours (NETs). However, in patients with poorly
controlled carcinoid syndrome, it may lead to an acute flare of carcinoid symptoms or even carcinoid crisis. We
report seven patients who received PRRT with (177Lu-DOTA0, Tyr3) octreotate (177Lu-octreotate-LuTate) across
two Australian tertiary medical institutions who developed acute flare of carcinoid symptoms/carcinoid crisis
during/after PRRT. Cases were identified as high-risk due to previous history of carcinoid crises, high tumour
burden and markedly elevated tumour markers. We propose a protocol to prevent and manage severe carcinoid
symptoms in high-risk patients treated with PRRT.
Keywords: Carcinoid crisis ، Octreotide ، Radionuclide therapy ، Neuroendocrine tumours ، Premedication |
مقاله انگلیسی |
6 |
ارزیابی الگوریتم های فیلترینگ دیسپکل برای تقسیم شدن تومورهای سینه با استفاده از تصاویر اولتراسوند
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 17 - تعداد صفحات فایل doc فارسی: 31 در این مقاله، تصاویر اولتراسوند سینه با الگوریتم های مختلف فیلترینگ دیسپکل برای تجزیه و تحلیل اثر دیسپکل کردن بر تقسیم توده های خوشخیم و بدخیم سینه با استفاده از تصاویر اولتراسوند پیش پردازش می شود. الگوریتم های فیلترینگ دیسپکل به طور کلی به هشت دسته تقسیم می شوند، از جمله فیلترهای مبتنی بر آمار موضعی، فیلترهای فازی، فیلترهای فوریه، فیلترهای چند مقیاسی، فیلترهای تکراری غیر خطی، فیلترهای تنوع کلی، فیلترهای متوسط غیر موضعی و فیلترهای هیبریدی. کلُ 100 تصویر اولتراسوند سینه (40 خوش خیم و 60 بدخیم) با استفاده از 42 الگوریتم فیلتر کردن دیسپکل پردازش شدند. یک فیلتر دیسپکل شده، مناسب در نظر گرفته می شود اگر کناره ها و ویژگی ها / ساختارهای تصویر را حفظ کند. قابليت حفظ کناره ها برای يك فيلتر دیسپکل توسط معیار بتا (β) و قابليت حفظ ویژگی / ساختار با استفاده از شاخص كيفيت تصوير (IQI) اندازه گيري می شود. مشاهده شد که از 42 فیلتر، شش فیلتر به نام های لی سیگما، FI، FB، HFB، BayesShrink و DPAD تصاویر بالینی قابل قبول تری از لحاظ حفظ کناره و ویژگی / ساختار تولید کردند. ارزیابی کیفی این تصاویر بر اساس نمرات ارائه شده توسط رادیولوژیست با تجربه شرکت کننده، انجام شده است. سپس تصاویر پیش پردازش شده به یک ماژول تقسیم بندی برای تقسیم شدن تومورهای خوش خیم یا بدخیم با کمک تصاویر اولتراسوند، وارد شدند. ارزیابی عملکرد الگوریتم تقسیم بندی به صورت کمّی با استفاده از شاخص ژاکارت انجام شده است. نتایج هر دو ارزیابی کمّی و کیفی توسط رادیولوژیست نشان می دهد که الگوریتم فیلترینگ دسپیکل DPAD تصاویر بالینی قابل قبول تری را ارائه می دهد و منجر به تقسیم بهتر تومورهای خوش خیم و بدخیمِ حاصل از تصاویر اوتراسوند می شود. |
مقاله ترجمه شده |
7 |
Genitourinary paraganglioma: Demographic, pathologic, and clinical characteristics in the surveillance, epidemiology, and end results database (2000–2012)
پاراژنگلیوم تناسلی: مشخصات دموگرافیک، پاتولوژیک و بالینی در نظارت، اپیدمیولوژی و پایگاه داده نتایج (2000-2012)-2017 Background: Extra-adrenal paragangliomas (PGLs) are infrequent, benign, and neuroendocrine tumors arising from chromaffin cells of the autonomic nervous system. Most PGLs are sporadic, but up to 32% are associated with inherited syndromes such as neurofibromatosis type 1, von Hippel-Lindau disease, and familial PGL. Although most PGLs develop above the umbilicus, they have been reported in the genitourinary (GU) tract. Owing to the paucity of literature on the rates of GU PGL, the objective of our study is to describe the demographic, pathologic, and clinical characteristics of GU PGL, and compare them to non-GU sites of PGL using the surveillance, epidemiology, and end results (SEER) database.Methods: The SEER 18 database was used to identify all cases of PGL from 2000 to 2012. Demographic, pathologic, and clinical characteristics were described using chi-square and t-test for categorical and continuous variables, respectively. The Kaplan-Meier method was used to compare overall survival (OS) between GU and non-GU PGL. Statistical significance was defined as P o 0.05. All analyses were performed using excel and SAS/Stat version 9.4.Results: A total of 299 cases of PGL were retrieved from SEER, and 20 (6.7%) of the total PGL arose from the GU tract. The mean age at diagnosis was higher in non-GU than GU PGL (50.4 ± 17.2 vs. 40.8 ± 15.6, P ¼ 0.026). Furthermore, 75% of GU PGLs developed in the bladder, followed by the kidneys/renal pelvis, and spermatic cord (20%). Non-GU PGL developed most frequently within the endocrine system (43%). PGL, overall, was more common in men than in women, and it was more common in whites than all other races. Although 55.5% of GU PGLs were organ confined, only 22.2% of non-GU PGLs were localized at diagnosis. All cases of PGL were treated with surgery. There were 2 cause-specific deaths in the GU PGL groups between 2000 and 2012. The 5-year OS was 93.3% for GU PGL vs. 65.5% in non-GU PGL (P ¼ 0.062).Conclusions: GU PGL remains rare with low incidence (6.7% of all PGL cases) in the US population between 2000 and 2012. Bladder PGL represents just 5% of all PGL. Moreover, GU PGL had better OS compared to PGL developing outside of the GU tract although the P-value only approached statistical significance. The bladder represents the most common site of involvement, and surgery is the mainstay of treatment for GU PGL. Clearer prognostic factors, including tumor grade and stage, are needed to better elucidate PGL management in the future; thus, pooled studies from various institutions with detailed clinical information are needed to delineate these prognostic factors. r 2017 Elsevier Inc. All rights reserved. |
مقاله انگلیسی |
8 |
پیش بینی تاثیر بیان MYH9 بر بیماران مبتلا به لوسمی میلوئید حاد
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 14 بیان MYH9در گذشته به عنوان پیش بینی کننده ی مستقل نتایج بالینی تومورهای جامد به اثبات رسیده است . بااین حال ، تشخیص ارتباط بیان MYH9 در لوسمی میلوئیدی حاد هنوز نامشخص است . ما دراینجا در یافتیم که بیان بالای MYH9 بیشتر درزنان و بیشتر در مورفولوژی M4 دیده شده است. ما همچنین دریافتیم که بیان بالای MYH9 در بلاستهای مغز استخوان درصد پایینی دارد . علاوه براین ، بیان بیش از حد MYH9 با افت طول عمرهمراه بوده است. جالب توجه است که، اثر مشخص microRNA در بیان بالایMHY9 دیده شده است. اعتباراین نتایج همچنین در گروه مستقلی از بیماران مبتلا به AML با استفاده از داده های منتشرشده تایید شده است. در نتیجه ، بیان ژن MYH9 ممکن است به عنوان پیش بینی کننده ی قابل اتکاء برای طول عمر در بیماران مبتلا به AML بکاررود. |
مقاله ترجمه شده |
9 |
قطعهبندی تومورهای مغزی با استفاده از شبکههای عصبی کانولوشن در تصاویر ام آر آی
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 40 در بین تومورهای مغزی، غدهها شایعترین و تهاجمیترین نوع آن ها هستند که در بالاترین درجات به کاهش زیاد متوسط عمر منجر میشوند. بدین سبب، برنامهریزی درمانی، مرحله مهمی در بهبود کیفیت زندگی بیماران انکولوژی به شمار میرود. تصویربرداری با تشدید مغناطیس (ام آر آی) پرکابردترین روش تصویربرداری برای ارزیابی اینگونه تومورها میباشد، با اینهمه حجم زیاد دادههای تولیدی ام آر آی مانع قطعهبندی دستی در زمان مقتضی شده و استفاده از اندازهگیریهای کمی دقیق در کار بالینی را محدود میکند. با این حال، تغییرپذیری زیاد ساختاری و فضایی میان تومورهای مغزی مسئله قطعه بندی خودکار را با مشکل مواجه میکند. در این مقاله، روش قطعهبندی خودکار مبتنی بر شبکههای عصبی کانولوشن (CNN) جهت کاوش هستههای کوچک 3 × 3 ارائه میدهیم. استفاده از هستههای کوچک علاوه بر تأثیرگذاری مثبت در برابر تطابق بیش ار حد، امکان طراحی یک ساختار عمیقتر را فراهم نموده و اوزان کمتری را در شبکه نشان میدهد. ما همچنین استفاده از عادیسازی شدت را با وجود عمومیت آن در روشهای قطعهبندی مبتنی بر شبکه عصبی کانولوشن به عنوان مرحله پیشپردازش بررسی نموده و اثبات کردیم که به همراه افزایش دادهها میتواند در قطعهبندی تصاویر ام آر آی تومورهای مغزی بسیار کارآمد باشد. طرح پیشنهادی ما مورد تأیید پایگاه دادهای Challenge BRATS 2013 جهت قطعهبندی تومورهای مغزی قرار گرفت و همزمان در نواحی کامل، هسته و افزایشی در متریکهای ضریب شباهت دایس (88/0، 83/0، 77/0) مقام اول را در پایگاه دادهای Challenge بدست آورد. این طرح در پایگاه ارزیابی برخط نیز در کل مقام اول را کسب کرد. ما همچنین با همان مدل در پایگاه Challenge در محل BRATS 2015 شرکت کردیم و توانستیم به کمک متریک ضریب شباهت دایس با مقادیر 78/0، 65/0 و 75/0 به ترتیب در نواحی کامل، هسته و افزایشی به مقام دوم دست یابیم.
عبارات شاخص: تومور مغزی | قطعهبندی تومور مغزی | شبکههای عصبی کانولوشن | یادگیری عمیق | غده | تصویربرداری با تشدید مغناطیس |
مقاله ترجمه شده |
10 |
چرا کودکان تشعشعات مایکروویو بیشتری را نسبت به بزرگسالان جذب می کنند: پیامدها
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 25 شبیه سازی رایانه ای با استفاده از اسکن های MRI کودکان، تنها راه ممکن تعیین تشعشعات مایکرویو (MWR) جذب شده در بافت های خاص در کودکان است. کودکان نسبت به بزرگسالان MWR بیشتری را جذب می کنند چرا که بافت های مغز آنها جاذب قویتری هستند، جمجمه های آنها نازک تر بوده و اندازه نسبی آن کوچکتر است. MWR حاصل از دستگاه های بی سیم، به عنوان یک ماده سرطانزای محتمل در انسان بیان شده است. کودکان، زمانی که در معرض هر ماده سرطانزایی قرار می گیرند، نسبت به بزرگسالان در خطر بیشتری هستند. زیرا میانگین زمان نهفتگی بین اولین قرارگیری در معرض ماده سرطانزا و تشخیص یک تومور ممکن است دهها سال باشد. تومورهای بوجود آمده در کودکان، ممکن است تا زمانی که کودکان پا به دوره بلوغ نگذاشته، بطور کامل تشخیص داده نشوند. جنین به ویژه در مقابل MWR آسیب پذیر است. قرارگیری در معرض MWR می تواند سبب از بین رفتن غشای چربی حفاظتی شود که دور رشته های مغزی را احاطه کرده است. اسباب بازی های ساطع کننده MWR برای استفاده اطفال و کودکان نوپا فروخته می شوند. گزارش هایی ارائه شده که حاکی از جنون دیجیتال در کودکان مدرسه ای بوده است. یک مطالعه موردی ثابت کرده است زمانی که دختران نوجوان گوشی های همراه را در سینه بند خود می گذارند، سرطان های اصلی سینه در زیر محلی که گوشی قرار داده شده، پیشرفت می کند. محدودیت های قرارگیری در معرض MWR برای مدت 19 سال ثابت مانده است. کلیه سازندگان گوشی های هوشمند اخطاراتی داده اند که در آن حداقل فاصله ای که گوشی باید از کاربران آنها داشته باشد تا از حدود قانونی موجود برای قرارگیری در معرض MWR فراتر نرود، بیان شده است. محدودیت قرارگیری برای رایانه های لپ تاپ و تبلت ها زمانی که دستگاه ها 20 سانتیمتر دور از بدن آزمایش شدند، تعیین گردیده است. بلژیک، فرانسه، هند و سایر دولت های دارای فناوری قوی، این قوانین را تصویب و یا اخطاراتی را درمورد استفاده کودکان از دستگاه های بی سیم صادر کرده اند.
کلیدواژه ها: تومورها | چربی | ماده سرطانزا | جنین | کودکان | نهفتگی |
مقاله ترجمه شده |