H 12

Medical Assistant for Brain Tumor Detection Using Deep Learning Methods

كارشناسي ارشد

هوش مصنوعي و رباتيكز

دانشگاه پيام نور مركز نجف آباد

1403

آيت، سيد سعيد

تشخيص تومورهاي مغزي يكي از چالش‌هاي اساسي و پيچيده در حوزه پزشكي است كه نقشي كليدي در ارتقاي كيفيت زندگي بيماران ايفا مي‌كند. با توجه به شباهت‌هاي بافتي تومورها با ساختار طبيعي مغز و تنوع داده‌هاي موجود، استفاده از روش‌هاي پيشرفته مبتني بر يادگيري عميق مي‌تواند راهكاري مؤثر براي افزايش دقت و سرعت تشخيص ارائه دهد. هدف اين پژوهش، ارائه و ارزيابي يك رويكرد نوين مبتني بر يادگيري عميق چندحسي است كه تركيبي از داده‌هاي تصويري MRI، اطلاعات باليني و داده‌هاي بيوشيميايي را براي تحليل دقيق‌تر تومورهاي مغزي به كار مي‌گيرد. در اين روش، از شبكه‌هاي عصبي عميق همراه با مكانيسم‌هاي توجه پيشرفته استفاده شده است تا ويژگي‌هاي مهم هر نوع داده استخراج و با يكديگر تلفيق شوند. نتايج اين تحقيق نشان مي‌دهند كه رويكرد پيشنهادي در مقايسه با روش‌هاي تك‌حسي، بهبود قابل‌توجهي در دقت تشخيص، كاهش نرخ خطا و ارائه اطلاعات جامع‌تر براي تصميم‌گيري كلينيكي داشته است. با وجود اين موفقيت‌ها، چالش‌هايي نظير كمبود داده‌هاي چندمنظوره، پيچيدگي طراحي مدل و نياز به تنظيم دقيق پارامترها از موانع پيش‌روي اين تحقيق محسوب مي‌شوند. پژوهش حاضر، علاوه بر ارائه چارچوبي جامع براي تشخيص بهينه تومورهاي مغزي، افق‌هاي تازه‌اي براي كاربرد فناوري‌هاي يادگيري عميق در حوزه پزشكي گشوده است. اين دستاوردها مي‌توانند مبنايي براي تحقيقات آينده در زمينه تحليل داده‌هاي پيچيده پزشكي و ارائه مدل‌هاي دقيق‌تر و قابل‌اعتمادتر باشند

1403/02/06

78043