بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی
مقاله پژوهشیمقدمه: این مطالعه به منظور بررسی قدرت و کارآیی یادگیری انتقالی در حل مشکل حجم داده‌های یادگیری عمیق به منظور بخشبندی خودکار ناحیه هدف درمانی در بیماران مبتلا به سرطان گلیوما انجام شده است.روش‌ها: در این مطالعه از تصاویر T1، T2 و Flair، تعداد 100 عدد از بیمارانی که سرطان گلیومای آن‌ها مس...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Isfahan University of Medical Sciences
2023-03-01
|
| Series: | مجله دانشکده پزشکی اصفهان |
| Subjects: | |
| Online Access: | https://jims.mui.ac.ir/article_30893_5132005a07a5cd6c9ff4c299eeca8fb1.pdf |
| _version_ | 1797807122831900672 |
|---|---|
| author | مریم هوشیاری آردکپان هادی اکبری‌زاده مهناز اتحادتوکل احمد شانئی |
| author_facet | مریم هوشیاری آردکپان هادی اکبری‌زاده مهناز اتحادتوکل احمد شانئی |
| author_sort | مریم هوشیاری آردکپان |
| collection | DOAJ |
| description | مقاله پژوهشیمقدمه: این مطالعه به منظور بررسی قدرت و کارآیی یادگیری انتقالی در حل مشکل حجم داده‌های یادگیری عمیق به منظور بخشبندی خودکار ناحیه هدف درمانی در بیماران مبتلا به سرطان گلیوما انجام شده است.روش‌ها: در این مطالعه از تصاویر T1، T2 و Flair، تعداد 100 عدد از بیمارانی که سرطان گلیومای آن‌ها مسجل شده بود، استفاده شد. تمامی تصاویر پس از بازبینی کیفی، نرمالیزه شدند و به سایز مشخص درآمدند. سپس تصاویر به یک مدل در دو حالت با و بدون یادگیری انتقالی داده شدند و عملکرد آن‌ها با میزان تشابه، همپوشانی، حساسیت و دقت مورد بررسی قرار گرفت.یافته‌ها: نتایج مطالعه‌ی ما نشان می‌دهد که یادگیری انتقالی می‌تواند باعث افزایش کارآیی بخشبندی خودکار شده و درتصاویر Flair تا بیش از 76 درصد تشابه در میزان بخشبندی خودکار با بخشبندی دستی شود. همچنین این روش در تصاویر T2 که نتوانسته نتایج را بهبود ببخشد، سرعت رسیدن به نتیجه مطلوب را افزایش داده است.نتیجه‌گیری: یادگیری عمیق در بخشبندی خودکار می‌تواند بر محدودیت‌های ناشی از حجم داده در بیماران گلیوما غلبه کند و عملکرد آن‌ها را بهبود ببخشید. |
| first_indexed | 2024-03-13T06:17:48Z |
| format | Article |
| id | doaj.art-8e978e7b2a164da59ab31cfe63fb0159 |
| institution | Directory Open Access Journal |
| issn | 1027-7595 1735-854X |
| language | fas |
| last_indexed | 2024-03-13T06:17:48Z |
| publishDate | 2023-03-01 |
| publisher | Isfahan University of Medical Sciences |
| record_format | Article |
| series | مجله دانشکده پزشکی اصفهان |
| spelling | doaj.art-8e978e7b2a164da59ab31cfe63fb01592023-06-10T08:44:34ZfasIsfahan University of Medical Sciencesمجله دانشکده پزشکی اصفهان1027-75951735-854X2023-03-01417089610110.48305/jims.v41.i708.009630893بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالیمریم هوشیاری آردکپان0هادی اکبری‌زاده1مهناز اتحادتوکل2احمد شانئی3دانشجوی کارشناسی ارشد، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایراندانشجوی دکترای فیزیک پزشکی، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایراناستادیار، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایراناستاد، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایرانمقاله پژوهشیمقدمه: این مطالعه به منظور بررسی قدرت و کارآیی یادگیری انتقالی در حل مشکل حجم داده‌های یادگیری عمیق به منظور بخشبندی خودکار ناحیه هدف درمانی در بیماران مبتلا به سرطان گلیوما انجام شده است.روش‌ها: در این مطالعه از تصاویر T1، T2 و Flair، تعداد 100 عدد از بیمارانی که سرطان گلیومای آن‌ها مسجل شده بود، استفاده شد. تمامی تصاویر پس از بازبینی کیفی، نرمالیزه شدند و به سایز مشخص درآمدند. سپس تصاویر به یک مدل در دو حالت با و بدون یادگیری انتقالی داده شدند و عملکرد آن‌ها با میزان تشابه، همپوشانی، حساسیت و دقت مورد بررسی قرار گرفت.یافته‌ها: نتایج مطالعه‌ی ما نشان می‌دهد که یادگیری انتقالی می‌تواند باعث افزایش کارآیی بخشبندی خودکار شده و درتصاویر Flair تا بیش از 76 درصد تشابه در میزان بخشبندی خودکار با بخشبندی دستی شود. همچنین این روش در تصاویر T2 که نتوانسته نتایج را بهبود ببخشد، سرعت رسیدن به نتیجه مطلوب را افزایش داده است.نتیجه‌گیری: یادگیری عمیق در بخشبندی خودکار می‌تواند بر محدودیت‌های ناشی از حجم داده در بیماران گلیوما غلبه کند و عملکرد آن‌ها را بهبود ببخشید.https://jims.mui.ac.ir/article_30893_5132005a07a5cd6c9ff4c299eeca8fb1.pdfیادگیری ماشینطراحی درمان رادیوتراپیگلیوما |
| spellingShingle | مریم هوشیاری آردکپان هادی اکبری‌زاده مهناز اتحادتوکل احمد شانئی بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی مجله دانشکده پزشکی اصفهان یادگیری ماشین طراحی درمان رادیوتراپی گلیوما |
| title | بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی |
| title_full | بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی |
| title_fullStr | بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی |
| title_full_unstemmed | بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی |
| title_short | بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی |
| title_sort | بخشبندی ناحیه‌ی هدف درمانی در بیماران سرطانی گلیوما توسط یادگیری انتقالی |
| topic | یادگیری ماشین طراحی درمان رادیوتراپی گلیوما |
| url | https://jims.mui.ac.ir/article_30893_5132005a07a5cd6c9ff4c299eeca8fb1.pdf |
| work_keys_str_mv | AT mrymhwsẖyạryậrdḵpạn bkẖsẖbndynạḥyhyhdfdrmạnydrbymạrạnsrṭạnyglywmạtwsṭyạdgyryạntqạly AT hạdyạḵbryzạdh bkẖsẖbndynạḥyhyhdfdrmạnydrbymạrạnsrṭạnyglywmạtwsṭyạdgyryạntqạly AT mhnạzạtḥạdtwḵl bkẖsẖbndynạḥyhyhdfdrmạnydrbymạrạnsrṭạnyglywmạtwsṭyạdgyryạntqạly AT ạḥmdsẖạnỷy bkẖsẖbndynạḥyhyhdfdrmạnydrbymạrạnsrṭạnyglywmạtwsṭyạdgyryạntqạly |