8467

ارائه يك مدل از پيش آموزش ديده براي استخراج ويژگي‌ها از تصاوير پزشكي

كارشناسي

مهندسي كامپيوتر

1402

دكتر سيد صالح اعتمادي - دكتر عادل تركمان رحماني

1402/05/21

Developing a Pre-trained Model for Improving Feature Extraction from Medical Images

هوش مصنوعي در سال‌هاي اخير به عنوان يكي از فناوري‌هاي كليدي در حوزه پزشكي شناخته شده است. توصيف تصاوير پزشكي، به‌عنوان يكي از وظايف مهم در تشخيص و درمان بيماري‌ها، به تفسير و استخراج اطلاعات مفيد از تصاوير پزشكي مي‌پردازد. نياز به متخصصان با تجربه در اين حوزه براي توضيح و تفسير اين تصاوير، اين كار را به يكي از حساس‌ترين و چالش‌برانگيزترين كارها در حوزه هوش مصنوعي تبديل مي‌كند. در اين پژوهش، ما به بررسي كاربرد هوش مصنوعي و مدل‌هاي عميق در توصيف تصاوير پزشكي و پرسش و پاسخ تصويري در اين زمينه مي‌پردازيم و تلاش مي‌كنيم يك مدل از پيش آموزش ديده معرفي مي‌كنيم كه به بهبود استخراج ويژگي‌ها را از تصاوير پزشكي كمك مي‌كند. با توجه به تعداد زياد تصاوير پزشكي كه روزانه توليد مي‌شوند، استفاده از روش‌هاي خودكار براي توصيف اين تصاوير اهميت بسياري دارد. اما در توصيف تصاوير پزشكي، مواجهه با چالش‌هايي مانند پيچيدگي تصاوير، ابهام در تفسير نتايج و تنوع بالا در بيماري‌ها و اعضاي بدن ، باعث مي‌شود كه استخراج و توصيف دقيق و موثر ويژگي‌ها براي تصاوير پزشكي تحت الگوريتم‌هاي سنتي دشوار باشد. بهبود استخراج ويژگي‌ها از تصاوير پزشكي با استفاده از روش‌هاي هوش مصنوعي، از جمله شبكه‌هاي عصبي عميق، به عنوان يك راهكار موثر مورد بررسي قرار گرفته است. با آموزش مدل‌هاي عصبي بر روي داده‌هاي بزرگ و متنوع، مي‌توان ويژگي‌هاي قابل استفاده و مفيد را بهبود بخشيد. در اينجا، يك مدل از پيش آموزش ديده براي توصيف تصاوير پزشكي معرفي مي‌كنيم كه با استفاده از شبكه‌هاي عصبي عميق و داده‌هاي زياد، ويژگي‌هاي منحصر به فرد تصاوير را استخراج مي‌كند. سپس اين مدل آموزش ديده را مي‌توان در وظايف مرتبط با توصيف تصاوير پزشكي،مانند تشخيص ناهنجاري‌ها و پاسخ به سوالات مرتبط به تصاوير، استفاده كرد و عملكرد آن در اين حوزه‌ها سنجيد.

هوش مصنوعي , توصيف تصاوير پزشكي , مدل از پيش‌‌آموزش‌ديده , شبكه‌هاي عصبي عميق , پرسش و پاسخ تصويري پزشكي , استخراج ويژگي تصوير , سيستم هوشمند پزشكي , ياديگري چندوظيفه‌اي