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.