کاربرد هوش مصنوعی در بهبود کیفیت تصاویر MRI و CT:مرور سیستماتیک

تصویربرداری پزشکی یکی از ابزارهای حیاتی در تشخیص و درمان بیماری ها به شمار می آید. با پیشرفت تکنولوژی، استفاده از هوش مصنوعی به ویژه مدل های یادگیری عمیق مانند شبکه های عصبی پیچشی (CNN)، شبکه های تولید متخاصم (GAN) و معماری های U-Net به طور گسترده ای در بهبود کیفیت تصاویر MRI و CT مورد توجه قرار گرفته است. در این پژوهش، به مرور سیستماتیک مطالعات انجام شده در این حوزه پرداخته شده و عملکرد مدل های مختلف در کاهش نویز، افزایش وضوح تصاویر، تشخیص تومورها و اصلاح اعوجاج ناشی از حرکت بیمار مورد بررسی قرار گرفته است. یافته های پژوهش نشان می دهد که ترکیب مدل های GAN و CNN می تواند بهبود چشمگیری در کیفیت تصاویر MRI و CT ایجاد کند. همچنین، استفاده از روش های هیبریدی مانند U-Net و GAN توانسته است دقت تشخیص تومورها و ضایعات مغزی را افزایش دهد. در این پژوهش، به چالش های موجود در این زمینه نیز پرداخته شده و راهکارهایی برای بهبود عملکرد مدل های هوش مصنوعی ارائه شده است

کلیدواژه ها:

هوش مصنوعی ، MRI ، CT ، شبکه های عصبی پیچشی ، شبکه های تولید متخاصم ، U-Net ، یادگیری عمی