مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

62
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص و تحلیل تومورهای مغزی در تصاویر پزشکی با استفاده از شبکه عصبی پیش خور بهینه شده با الگوریتم های الهام گرفته از رفتارهای کوانتومی

صفحات

 صفحه شروع 64 | صفحه پایان 78

چکیده

 1مقدمه:  تشخیص سریع و دقیق تومور مغزی, برنامه ریزی درمان و بقا را به طور چشمگیری بهبود می دهد, اما بررسی دستی تصاویر تشدید مغناطیسی چندوجهی به دلیل ناهمگنی ضایعه, شباهت به بافت سالم و حجم بالای داده ها کند و خطاپذیر است. این پژوهش یک چارچوب خودکار متشکل از شبکه عصبی پیش خور سبک با مکانیزم توجه درونی و بهینه سازی ازدحام ذرات کوانتومی (QPSO) ارائه می کند. هدف, افزایش سرعت و دقت شناسایی تومور و حفظ تفسیرپذیری در محیط های درمانی دارای محدودیت منابع است.
روش کار: تصاویر MRI چندوجهی (T1, T1ce, T2 و FLAIR) از منابع معتبر مانند چالش قطعه بندی تومور مغزی (BraTS) و آرشیو تصویربرداری سرطان (The Cancer Imaging Archive) گردآوری شدند. تصاویر با نرمال سازی شدت, فیلترهای حذف نویز (گوسی و میانه) و اصلاح ناهمگنی شدت پیش پردازش شدند. ویژگی های آماری, بافتی و فرکانسی استخراج و با تحلیل مؤلفه های اصلی (PCA) به 300 مؤلفه کاهش یافتند. وزن دهی ویژگی ها با روشی الهام گرفته از اهمیت سنجی اسناد انجام شد. مدل شامل شبکه عصبی پیش خور با پنج لایه پنهان و مکانیزم توجه درونی بود که با QPSO بهینه شد. نقشه های حرارتی برای تفسیر نتایج تولید شدند.
یافته ها: مدل پیشنهادی به دقت 99/6%, حساسیت 99/4 % و ویژگی 99/7% دست یافت و شبکه های کانولوشنی مرجع (97/1%) و معماری های U‑Net (96/2%) را پشت سر گذاشت. میانگین زمان پیش بینی هر تصویر کمتر از 0/5 ثانیه بود که استفاده بالینی در زمان واقعی را امکان پذیر می کند. نقشه های حرارتی حاصل از لایه توجه, نواحی غیرطبیعی را با تمرکز دقیق برجسته نمود و تفسیرپذیری را تقویت کرد. این شاخص ها در تقسیم بندی های تصادفی مکرر پایدار تکرار شدند و ارزیابی کیفی متخصصان تصویربرداری, عدم کاهش ویژگی و ارتباط بالینی یافته ها را تأیید کرد.
نتیجه گیری: شبکه پیش خور مجهز به توجه درونی و بهینه شده با QPSO توانست دقتی نزدیک به کامل و استنباطی زیر ثانیه برای تشخیص تومور مغزی روی MRI چندوجهی فراهم آورد. عملکرد بالا روی GPUهای استاندارد همراه با تولید نقشه های حرارتی شهودی, این چارچوب را به ابزار پشتیبان تصمیم گیری عملی, به ویژه در مراکز فاقد زیرساخت پیشرفته, بدل می کند. ارزیابی آینده بر داده های چندمرکزی و استقرار در دستگاه های لبه تمرکز خواهد داشت تا پذیرش بالینی و الزامات مقرراتی تقویت شود.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button