ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Diagnosing Soft Tissue Tumors...>الوصف

Diagnosing Soft Tissue Tumors using Machine Learning Techniques: A Survey

العنوان بلغة أخرى: تشخيص أورام الأنسجة الرخوة باستخدام تقنيات التعلم الآلي: دراسة
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: غانم، نور يحيى (مؤلف)
المؤلف الرئيسي (الإنجليزية): Ghanim, Noor Y.
مؤلفين آخرين: النعيمي، جمال صلاح الدين مجيد (م. مشارك)
المجلد/العدد: مج32, ع3
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: سبتمبر
الصفحات: 23 - 30
ISSN: 1812-125X
رقم MD: 1468428
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
تكنولوجيا المعلومات | التعلم الآلي | مرض الأورام | الأنسجة الرخوة
كلمات المؤلف المفتاحية:
Deep Learning | Machine Learning | Colon Cancer | Lung Cancer | Breast Cancer
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: السرطان هو ثاني أكبر سبب للوفاة في جميع أنحاء العالم، ويشكل حوالي واحد من كل ست وفيات. تم تطوير تقنيات التشخيص للكشف المبكر عن الأمراض الحميدة والخبيثة وإجراء العلاج المناسب للحالة، مما أدى إلى انخفاض معدل حدوث الوفاة. يمكن الكشف عن الأورام وتشخيصها عن طريق التصوير الشعاعي والتصوير بالرنين المغناطيسي والموجات فوق الصوتية، ولتأكيد نوع الورم بشكل نهائي، يتم أخذ خزعة من الورم ومعالجتها وتثبيتها على شرائح زجاجية تحت المجهر وتحديدها بدقة. النمو الهائل للذكاء الاصطناعي (AI) على مدى السنوات العشر الماضية هو الأساس المعتمد لاتخاذ قرارات دقيقة لتشخيص نوع الورم من خلال بناء برمجيات ذكية تعتمد على التعلم الآلي (ML) والتعلم العميق (DL)، مما يسهل على المتخصصين الوصول المبكر إلى الكشف المبكر عن نوع الورم بسرعة. في هذه الدراسة تم عمل دراسة لأعمال سابقة للحالات المرضية- الثدي والقولون والرئة- وهي أكثر أنواع السرطانات شيوعا، وقد تمت دراسة دقة التشخيص لنوع الورم الحميد أو الخبيث عن طريق باستخدام الصور النسيجية عن طريق جمع الخزعات من أنسجة المرضى (التشريح المرضي) وتوصيفها باستخدام أحدث الشبكات العصبية التلافيفية (CNN)، وكان على الباحثين تطبيق تقنيات تعلم النقل بسبب عدم وجود تفسيرات لبيانات مجموعة البيانات النسيجية المرضية عالية الجودة WSI (بأكملها) صورة شريحة، من خلال تدريب الشبكة باستخدام مجموعة بيانات رؤية حاسوبية كبيرة (IMAGENET)، من أجل الحصول على دقة تشخيص عالية.

Cancer is the second-largest cause of death worldwide, constitute about one out of every six deaths. Diagnostic techniques have been developed for the early detection to determine benign and malignant ones and conduct appropriate treatment of the condition, which has led to a reduction in the incidence of death. Tumors can be detected and diagnosed by radiograph, magnetic resonance imaging, and ultrasound, and to confirm the type of tumor definitively, a biopsy is taken from the tumor, processed, and fixed on glass slides under a microscope and accurately identified. The explosive growth of artificial intelligence (AI) over the past ten years is the approved basis for making accurate decisions for diagnosing the type of tumor by building smart software based on machine learning (ML) and deep learning (DL), Which easier for specialists the access early detection of the type of tumor quickly. In this study, A study of previous works has been done for pathological conditions- breast, colon, and lung- which are the most common types of cancers, the accuracy of the diagnosis was studied for the type of tumor, benign or malignant, by using histological images by collecting biopsies from patients' tissues (histopathology) and characterizing them using the most recent convolutional neural networks (CNN), and researchers had to apply transfer learning techniques because Lack of explanations of the data histopathological dataset high-quality WSI (whole slice image), by training the network using a large computer vision data set (IMAGENET),in order to obtain a high diagnosis accuracy.
ISSN: 1812-125X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.