10246

توسعه دستيار پزشكي هوشمند تشخيص تومورهاي مغزي

كارشناسي

مهندسي صنايع

1404

دكتر وحيد خطيبي

دكتر وحيد خطيبي

1404/11/08

مهندسي صنايع

Developing an intelligent medical assistant to diagnose brain tumors

اين پروژه مربوط به توسعه يك دستيار پزشكي براي تشخيص و بخش بندي تومور هاي مغزي است كه بعد از استخراج ويژگي هاي تومور اطلاعات به مدل زبان بزرگي كه با استفاده از تكنيك هايي به اطلاعات پزشكي متصل است منتقل و نمايش داده مي شوند. اين ربات گفتگوكننده مي‌تواند هزينه هاي درمان را كاهش و دقت تشخيص هاي پزشكي را افزايش دهد. تشخيص و پيش‌بيني تومورهاي مغزي با استفاده از تصاوير ام‌آرآي يكي از مهم‌ترين چالش‌هاي حوزه تصويربرداري پزشكي است. در اين پژوهش، ابتدا با استفاده از معماري شبكه‌هاي عصبي باقيمانده و روش‌هاي منظم‌سازي، مدل طبقه‌بندي تومورهاي مغزي را آموزش داده‌ايم كه به دقت بالاي 97٪ در تشخيص وجود يا عدم وجود تومور دست يافتيم. سپس با به‌كارگيري الگوريتم بخش‌بندي مبتني بر يادگيري عميق، حاشيه تومور در تصاوير ام‌آرآي استخراج شده و مجموعه‌اي از ويژگي‌هاي راديوميك (شكل، بافت، شدت و بافت‌شناسي) از هر ناحيه به‌دست آمده است. از آنجا كه ارزيابي كمّي و كيفي بخش‌بندي و ويژگي‌هاي استخراج‌شده هنوز انجام نشده، چارچوب پيشنهادي ما براي اعتبارسنجي شامل محاسبه ضرايب دايس و آي¬اويو، تحليل آماري ويژگي‌ها، استفاده از آراوسي-اِي¬اوسي براي طبقه‌بندي ثانويه بر اساس راديوميك، و نيز بازبيني مستقل توسط راديولوژيست‌ها براي سنجش كيفيت نهايي است. اين كار، پايه‌اي براي بهبود دقت و قابليت اعتماد مدل در كاربردهاي باليني فراهم مي‌كند. واژه‌هاي كليدي: يادگيري عميق؛ شبكه عصبي؛ شبكه‌هاي عصبي باقيمانده؛ تصويربرداري ام‌آرآي؛ بخش‌بندي تومور مغزي؛ مدل زباني بزرگ؛ دستيار پزشكي.

هوش مصنوعي , دستيار پزشكي , يادگيري عميق