توسعه روش شبکه عصبی فیزیک آگاه در پیش بینی رشد تومور تحت اثر پرتودرمانی

به منظور ارائه راهکارهای عملی در مطالعه رشد تومورهای سرطانی مغز، این پژوهش یک چارچوب کارآمد براساس شبکه های عصبی مبتنی بر فیزیک (PINN) برای مدل سازی رشد تومور گلیوبلاستوما تحت تاثیر پرتودرمانی توسعه داده است. این چارچوب با ترکیب معادلات فیزیکی و الگوریتم های یادگیری عمیق، رویکردی نوآورانه برای تحلیل رشد تومور ارائه می دهد که عوامل ناهمگنی بافت و شرایط درمانی را نیز در نظر می گیرد. این رویکرد توسعه یافته بستری برای ابزارهای محاسباتی پیشرفته تر فراهم می آورد که نه تنها درک مسائل پیچیده زیست فیزیکی را بهبود می بخشند، بلکه راهنمایی برای کمک به تیم های پزشکی در طراحی استراتژی های درمانی موثر ارائه می دهند و مسیر درمان های پزشکی شخصی سازی شده را برای بیماران هموار می سازند. اعتبارسنجی مدل با داده های بالینی دو بیمار و تحلیل های تکمیلی، توانایی آن در پیش بینی دقیق شکل و توزیع تومور در دو حالت با و بدون پرتودرمانی را نشان داد.

کلیدواژه ها:

رشد تومور مغزی ، یادگیری ماشین ، یادگیری عمیق ، شبکه عصبی مبتنی بر فیزیک (PINN) ، گلیوبلاستوما