سلام فن آوری هوش مصنوعی توسعه یافته توسط دانشمندان هند به منظور افزایش تومور مغزی تشخیص

دانشمندان در هند و ژاپن توسعه یافته بسیار دقیق ماشین ابزار برای کمک به پزشکان در انتخاب موثر ترین استراتژی درم

توسط ABDOOSNEWS در 20 خرداد 1399

دانشمندان در هند و ژاپن توسعه یافته بسیار دقیق ماشین ابزار برای کمک به پزشکان در انتخاب موثر ترین استراتژی درمان برای بیماران مبتلا به تومور مغزی گلیوما. یک دستگاه جدید آموزش روش طبقه بندی یک نوع رایج از تومور مغزی به پایین یا بالا نمرات با تقریبا 98 درصد دقت گزارش محققان در مجله IEEE دسترسی داشته باشید.

"روش ما عملکرد بهتری نسبت به دیگر دولت از هنر روش برای پیش بینی گلیوما نمرات از مغز MRI اسکن. این کاملا قابل توجهی" گفت: مطالعه محقق مانیان رامان از انستیتو تکنولوژی هند رورکی (IIT-R). به گفته محققان گلیوم یک نوع رایج از تومور مغزی موثر بر سلول های گلیال که ارائه پشتیبانی و عایق سلول های عصبی.

درمان بسته به تومور را, پرخاشگری, پس از آن مهم است که برای تشخیص حق برای هر فرد است. رادیولوژیست دست آوردن مقدار بسیار زیادی از داده ها از اسکن MRI برای بازسازی یک تصویر 3D از اسکن بافت. بسیاری از داده های موجود در اسکن ام آر آی تشخیص داده نمی شود که با چشم غیرمسلح از جمله جزئیات مربوط به تومور بافت یا تصویر را به شدت. هوش مصنوعی (AI) الگوریتم های کمک به استخراج این داده ها.

پزشکی انکولوژیست شده اند با استفاده از این رویکرد به نام radiomics به بهبود بیمار, تشخیص, اما دقت آن هنوز هم نیاز به افزایش یافته است. برای مطالعه, دانشگاه کیوتو موسسه به صورت یکپارچه سلول-علوم مواد (iCeMS ژاپن) bioengineer گانش Pandian Namasivayam همکاری با هند داده دانشمند رامان به منظور توسعه یک ماشین یادگیری رویکرد است که می تواند طبقه بندی گلیوم به پایین یا بالا درجه با 97.54 درصد دقت و صحت.

brain tumour
این رویکرد به نام CGHF که مخفف: یک محاسباتی پشتیبانی تصمیم گیری سیستم برای گلیوما طبقه بندی با استفاده از ترکیبی radionics و ثابت موجک بر اساس ویژگی های. Pixabay

انتخاب درمان بیمار تا حد زیادی بستگی به این دارد که قادر به تعیین گلیوما را درجه بندی. این تیم از جمله Rahul Kumar, Ankur گوپتا و Harkirat سینگ آرورا با استفاده از یک مجموعه داده از اسکن MRI متعلق به 210 نفر با درجه بالا گلیوما و دیگری 75 با درجه پایین گلیوما. آنها با توسعه رویکرد به نام CGHF که مخفف: یک محاسباتی پشتیبانی تصمیم گیری سیستم برای گلیوما طبقه بندی با استفاده از ترکیبی radiomics و ثابت موجک بر اساس ویژگی های.

برای اخبار بیشتر در به روز رسانی را دنبال کنید Newsgram در LinkedIn

آنها را در انتخاب الگوریتم های خاص برای استخراج ویژگی ها از برخی از اسکن MRI و سپس روت یکی دیگر از اخباری الگوریتم برای پردازش این داده ها و طبقه بندی گلیوم. آنها سپس خود را آزمایش مدل در بقیه اسکن MRI برای ارزیابی دقت آن.

همچنین بخوانید: سمی مقاوم در برابر شعله از الکترونیک یکی دیگر از دلایل به دستهای

روش عملکرد بهتری نسبت به روش های دیگر برای پیش بینی گلیوما نمرات از مغز MRI اسکن. "ما امیدواریم که هوش مصنوعی کمک می کند تا توسعه یک نیمه اتوماتیک و یا اتوماتیک ماشین اخباری نرم افزار مدل است که می تواند کمک به پزشکان رادیولوژیست و دیگر پزشکان خیاط بهترین روش برای خود فرد بيمار" گانش گفت.



tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im
آخرین مطالب