مروری بر پیشرفت های اخیر در حوزه تصویر برداری عصبی و یادگیری عمیق برای تشخیص سکته مغزی

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 66

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DMECONF09_105

تاریخ نمایه سازی: 12 اردیبهشت 1403

چکیده مقاله:

در سال های اخیر، ادغام الگوریتم های یادگیری عمیق تاثیر عمیقی بر رسیدگی به چالش های پژوهش در حوزه های مختلف داشته است . حوزه پزشکی نیز در این راستا، هاهد مزایای قابل توجهی در استفاده از مدل های یادگیری عمیق پیشرفته، صرفه جویی درزمان و به دست آوردن نتایج دقیق بوده است. در این میان سکته مغزی یکی از دلایل اصلی مرگ و میر بزرگسالان در سراسر جهان و دومین عامل مرگ و میر می باشد و در این راستا تحقیقات زیادی برای تسهیل تشخیص بهتر و دقیق سکته مغزی انجام شده است. هدف از این مقاله تاکید بر تاثیر مدل های یادگیری عمیق در تشخیص سکته مغزی و تقسیم بندی ضایعات است. معماری های عمیق متنوعی را که در تشخیص و تقسیم بندی ضایعات سکته مغزی مورد استفاده قرار می گیرد، طبقه بندی و مورد بحث قرارمی دهد. این مقاله با بررسی دقیق چالش های فنی و غیره نیز که محققان با آن مواجه می شوند و تشریح پیامدهای آینده در تشخیص سکته به پایان می رسد. بینش به دست آمده از این پژوهش ممکن است به محققان زیست پزشکی در پیش نهاد راه حل های برتر برای تشخیص ضایعات سکته مغزی کمک کند.

نویسندگان

الهام آفرنده

گروه مهندسی کامپیوتر موسسه آموزش عالی توس، دانشجوی دکترا دانشگاه آزاد اسلامی واحد تهران شمالمشهد-تهران ایرا ن