قطعه بندی صفراوی داخل کبدی خودکار با استفاده از تصاویر تشدید مغناطیسی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,519
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECMCONF07_014
تاریخ نمایه سازی: 17 مرداد 1401
چکیده مقاله:
مجموعه ای از لوله ها که به عنوان مجاری صفراوی شناخته می شوند، کبد را مستقیما به اندامی زیر آن متصل می کنند که کیسه صفرا نامیده می شود. گشاد شدن مجرای صفراوی یک شاخص مهم در مورد هر مشکل جدی در بدن انسان است. دلایل متعددی ممکن است باعث گشاد شدن مجرای صفراوی شود، مانند: سنگ ها، تومورهایی که معمولا به دلیل پانکراس یا پاپیلای واتر ایجاد می شوند. در این مقاله، مشارکت های اصلی عبارتند از: (۱ یک چارچوب جدید که شامل سه مرحله است که روی مجموعه ای از تصاویر تصویربرداری تشدید مغناطیسی (MRI) اعمال می شود. (۲ مجموعه ای از ویژگی های استخراج شده با مقادیر دقیق آنها که شرایط درختان صفراوی از تصاویر MRI چنین مجموعه داده ای را می توان در چندین برنامه کاربردی برای تعیین اینکه آیا مجرای صفراوی گشاد شده است یا خیر استفاده کرد. مجموعه داده به صورت زیر سازماندهی شده است: نیمی از تصاویر MRI برای مجاری صفراوی طبیعی است، در حالی که نیمی دیگر برای مجاری صفراوی متسع است. برای استخراج ویژگی های مفید برای تشخیص وضعیت پزشکی مجاری صفراوی از تصاویر MRI، چارچوب پیشنهادی را که با استفاده از تکنیک کانتور فعال پیشرفته بدون لبه در ترکیب با شبکه های عصبی کانولوشنال (Denoising (DnCNN آغاز شده است، پیاده سازی و اعمال کردیم . فرآیند تقسیم بندی و استخراج ویژگی ها پس از آن، خروجی فرآیند تقسیم بندی، درخت صفراوی قطعه بندی شده استکه بعدا برای استخراج ویژگی های ضروری برای تصمیم گیری تشخیصی در مورد وجود یا عدم وجود اتساع با مقایسه مقادیر ویژگیهای مجاری صفراوی طبیعی در مقابل مجاری صفراوی گشاد شده استفاده می شود. ما شبکه عصبی فید فوروارد را با الگوریتم آموزشی پس انتشار برای اهداف طب قه بندی به کار بردیم. با توجه به آزمایشات، دقت کلی چارچوب پیشنهادی ۹۰,۰۰٪ بود. چنین رویکردی باعث بهبود و افزایش دقت تصمیمات تشخیصی پزشکان می شود که برای درمان و درمان از اهمیت قابل توجهیبرخوردار است.
کلیدواژه ها:
درخت صفراوی پردازش تصویر ، مجرای صفراوی ، یادگیری عمیق ، مجرای صفراوی ، مهندسی زیستی ، بیوانفورماتیک
نویسندگان
علی دریگان
دانشجوی کارشناسی ارشد رشته مهندسی پزشکی گرایش بیوالکتریک قم، ایران
محمدرضا یزدانی کاشانی
عضو هیئت علمی دانشگاه غیرانتفاعی شهاب دانش قم