توضیحات
چکیده:
اطلاعات گسترده ای ، اعم از جزئیات علائم بالینی تا انواع مختلف داده های بیوشیمیایی و خروجی دستگاه های تصویر برداری در دسترس متخصصان است. به منظور ساده کردن فرایند تشخیص دهی در زندگی روزمره و جلوگیری از تشخیص اشتباه، روش های هوش مصنوعی به کار گرفته می شوند. این الگوریتم های یادگیری می توانند انواع مختلفی از داده های پزشکی را اداره کنند و آن ها را با خروجی های طبقه بندی شده ادغام کنند. در این مقاله، به طور خلاصه فلسفه، قابلیت و محدودیت های شبکه های عصبی مصنوعی در تشخیص پزشکی را از طریق نمونه ی انتخاب شده، مورد بحث قرار می دهیم.
سرطان سینه به ضرب غیر طبیعی سلول ها در بافت سینه مربوط می شود. بعد از سرطان ریه، این دومین عامل رایج مرگ در زنان می باشد. کاهش در میزان مرگ و میر می تواند به تشخیص به موقع و درمان های مؤثر مربوط باشد. تحولات اخیر در سیستم های تصویر برداری ماموگرافی دیجیتال به هدف تشخیص بهتر اختلالات در سینه می باشد و شانس زنده ماندن را افزایش داده است. سیستم های تشخیص به کمک کامپیوتر (CAD)، مجموعه ای کامل از ابزارهای اتوماتیک یا نیمه اتوماتیک می باشند که با استفاده از فناوری رایانه با تشخیص و طبقه بندی اختلالات در سینه به رادیولوژیست ها کمک می کند. در نتیجه، سیستم های CAD برای رادیولوژیست ها جذاب به نظر می رسد.
کلمات کلیدی: شبکه عصبی، شناسایی سرطان، CAD، طبقه بندی
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.