Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the unlimited-elements-for-elementor domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /home/viraskco/public_html/wp-includes/functions.php on line 6121

Notice: Function _load_textdomain_just_in_time was called incorrectly. بارگذاری ترجمه برای دامنه aren زودتر از حد مجاز فراخوانی شد. این معمولاً نشان‌دهندهٔ اجرای کدی در افزونه یا پوسته است که خیلی زود اجرا شده است. ترجمه‌ها باید در عملیات init یا بعد از آن بارگذاری شوند. Please see Debugging in WordPress for more information. (این پیام در نگارش 6.7.0 افزوده شده است.) in /home/viraskco/public_html/wp-includes/functions.php on line 6121
هوش مصنوعی تومور مغزی را شناسایی می کند - شرکت هوش مصنوعی ویرا سگال کارو

هوش مصنوعی تومور مغزی را شناسایی می کند

هوش مصنوعی تومور مغزی را شناسایی می کند

دانشمندان با بــهره گیری از هوش مصنوعی توانسته اند تشخیص تومور مغزی را بهبود بخشند.

   دانـشمـنـدان هنـــد و ژاپـــــن ، از جـمـلـه انـسـتـیـتـــوی عـلــــــوم یـک پـارچـه سـلـولـهـای مـواد

(iCeMS) دانشگاه کیوتو ، این روش را برای کمک به پزشکــان در انتخاب موثرترین استــراتژی

درمانی بـــرای بیمـــاران خاص تهیه کردند.محققان در ژورنال IEEE Access گزارش دادند كه

روش جديد يادگيری ماشين گليوما که يك نوع معمول تومـــور مغزی است را با درجه های پايين يا

بالا با دقت 98٪ طبقه بندی مي كند.

هوش مصنوعی چطور به تشخیص تومور مغزی کمک می کند

رادیــولوژیست هـــا بـرای بازسازی تصویری سه بعدی از بافت اسکن شده ، داده های بسیار زیادی

را از اسکن های MRI بدست مــــی آورند. بسیاری از داده های موجود در اسکن های MRI با چشم

غیر مسلح قابل شناسایی نیستند ، مـانـنـد جــزئیـــات مــربوط بـه شکل تومور ، بافت یا شدت تصویر.

الگوریتم های هوش مصنوعی (AI) به استخراج این داده ها کمک می کنند. متخصصان انكولوژیست

پزشکی از این روش به نام رادیومیك برای بهبود تشخیص بیماران استفاده كرده اند ، اما دقت هنوز

باید افزایش یابد. مهندسی زیستی iCeMS Ganesh Pandian Namasivayam با دانشمند

هنـــدی عــلوم داده Balasubramanian Raman از Roorkee همکـــاری کــرد تا یک روش

یادگیری ماشینی را ایجاد کند که می تواند گلیوما را به درجه پایین یا بالا با دقت 97.54 طبقه بندی کند.

گلیوما با درجه پایین شامل آستروسیتوم پیلوسیتیک درجه یک و گلیوما درجه پایین درجه 2 است. اینها

تهاجمی تر و بدخیم تر تومورهای گلیوما هستند. گلیوما درجه بالا شامل گلیوما بدخیم درجه 3 و درجه 4

گلیوبلاستوما درجه چهار است که با زمان بقا پس از تشخیص نسبتاً کوتاه، بسیار تهاجمی تر و بدخیم تر

هستند. انتخاب معالجه بیمار تا حد زیادی به توانایی تعیین درجه گلیوما بستگی دارد. از این رو با استفاده 

از این  الگوریتم جدید می توان زمان تشخیص را به شدت کاهش داد.  

1 نظر

ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد.