• شماره ركورد
    14295
  • عنوان
    بررسي روش هاي يادگيري عميق براي تشخيص سرطان كبد
  • سال تحصيل
    1402
  • استاد راهنما
    دكتر احمد آيت اللهي
  • استاد مشاور
    دكتر ستار ميرزاكوچكي
  • چکيده
    سرطان كبد به‌عنوان يكي از مهلك‌ترين سرطان‌ها در سراسر جهان شناخته مي‌شود و تشخيص زودهنگام آن مي‌تواند نقشي تعيين‌كننده در موفقيت درمان ايفا كند. اين پژوهش به بررسي نقش تكنيك‌هاي يادگيري عميق در بهبود تشخيص سرطان كبد با تأكيد بر دقت، سرعت و كاهش خطاهاي انساني مي‌پردازد. در ابتدا، آناتومي و عملكرد كبد و همچنين مراحل پيشرفت سرطان كبد به‌طور جامع مورد بررسي قرار گرفته است. سپس، روش‌هاي پيشرفته يادگيري عميق از جمله شبكه‌هاي عصبي كانولوشني، شبكه‌هاي عصبي بازگشتي و شبكه‌هاي مولد تخاصمي در تحليل تصاوير پزشكي و شناسايي ناهنجاري‌هاي كبدي معرفي شده‌اند. همچنين، فرآيندهاي پردازش تصوير نظير پيش‌پردازش، تقسيم‌بندي و استخراج ويژگي‌ها به‌منظور بهينه‌سازي عملكرد مدل‌هاي يادگيري عميق مورد بحث قرار گرفته است. نتايج اين پژوهش نشان مي‌دهد كه اين تكنيك‌ها قادر به افزايش چشمگير دقت در تشخيص ضايعات كبدي و تومورها بوده و مي‌توانند به‌عنوان جايگزين مؤثري براي روش‌هاي تهاجمي نظير بيوپسي مطرح شوند. در پايان، چالش‌هاي موجود و پيشنهاداتي براي توسعه‌هاي آتي در اين حوزه ارائه شده است.
  • نام دانشجو

    محمدمهدي سرزعيم

  • تاريخ ارائه
    11/13/2024 12:00:00 AM
  • متن كامل
    85232
  • پديد آورنده

    محمد مهدي سرزعيم

  • تاريخ ورود اطلاعات
    1403/09/17
  • عنوان به انگليسي
    Investigating deep learning methods for liver cancer diagnosis
  • كليدواژه هاي فارسي
    سرطان كبد، يادگيري عميق، شبكه‌هاي عصبي كانولوشني، پردازش تصاوير پزشكي، تشخيص خودكار
  • كليدواژه هاي لاتين
    Liver cancer, Deep learning, Convolutional Neural Networks, Medical image processing, Automated diagnosis.