مقایسه عملکرد پولو ۱۰ و یولو ۸ در تشخیص سنگ کلیه با استفاده از تصاویر توموگرافی کامپیوتری مبتنی بر یادگیری عمیق

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 60

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCAEC06_040

تاریخ نمایه سازی: 10 آبان 1404

چکیده مقاله:

تشخیص سنگ کلیه نقش مهمی در تشخیص زودهنگام و برنامه ریزی درمان دارد. این مطالعه کارآیی الگوریتم های پیشرفته تشخیص اشیاء را در شناسایی سنگ های کلیه از تصاویر پزشکی بررسی می کند. به طور خاص ما عملکرد پولو ۱۰، جدیدترین نسخه در خانواده پولو را با نسخه قبلی آن یولو ۸ مقایسه می کنیم. تحقیق ما از یک مجموعه داده جامع از تصاویر توموگرافی کامپیوتری که از Roboflow Universe گرفته شده و شامل نمونه های متنوعی از سنگ های کلیه است استفاده می کند. هر تصویر با دقت با جعبه های محدود کننده برای تسهیل تشخیص دقیق حاشیه نویسی شده است. تحلیل مقایسه ای بر دقت تشخیص، سرعت پردازش و توانایی شناسایی سنگ های با اندازه ها و موقعیت های مختلف تمرکز دارد. یافته های ما پتانسیل این الگوریتم های پیشرفته را در افزایش دقت و کارایی تشخیص سنگ کلیه در محیط های بالینی نشان می دهد. این تحقیق به تلاش های مداوم برای بهبود قابلیت های تشخیصی در اورولوژی از طریق تکنیک های پیشرفته بینایی کامپیوتری کمک می کند.

نویسندگان

امیرعابدینی آهنگر

دانشجوی کارشناسی ارشد رشته هوش مصنوعی، دانشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین (ع)، تهران

محمدرضا حسنی

استاد رشته هوش مصنوعی، دانشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین (ع)، تهران

رامین دلیر

استادیار رشته هوش مصنوعی، دانشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین (ع)، تهران