.png)
بکارگیری هوش مصنوعی برای تشخیص سریع و درست سرطانها
وبدا، در یک طرح پژوهشی در دانشگاه علوم پزشکی شهرکرد، میزان صحت دادههای هوش مصنوعی برای تشخیص سریع و درست سرطانهای پرستات و مثانه در مردان ارزیابی شد.
وبدا، در یک طرح پژوهشی در دانشگاه علوم پزشکی شهرکرد، میزان صحت دادههای هوش مصنوعی برای تشخیص سریع و درست سرطانهای پرستات و مثانه در مردان ارزیابی شد.
به گزارش وبدا، دکتر فاطمه طاهری محقق و عضو هیئت علمی دانشگاه علوم پزشکی شهرکرد در نشست خبری ترجمان دانش گفت: سرطان مثانه با افزایش میزان بروز و مرگ و میر، یک نگرانی قابل توجه برای سلامتی است.
وی افزود: یکی از چالشهای پزشکان برای تشخیص و درجه بندی انواع سرطان از جمله مثانه و پرستات تفسیر دستی تصاویر بافت شناسی است که هم زمانبر و هم در معرض خطای انسانی میباشد.
وی یادآور شد: در شناسایی اولیه، تشخیص زودهنگام برای نتایج بهتر بیمار بسیار مهم است.
دکتر طاهری ادامه داد: این پژوهش با هدف تشخیص خودکار سرطان مثانه از طریق پردازش تصاویر هیستوپاتولوژیک بر روی مجموع 706 تصویر و نمونههای بافتی انجام شد.
وی اضافه کرد: تشخیص بسیار دقیق در وظایف مبتنی بر تصویر عالی، تجزیه و تحلیل تصاویر پزشکی مانند اسلایدهای هیستوپاتولوژیکی نام برد.
عضو هیئت علمی دانشگاه علوم پزشکی شهرکرد گفت: در این پژوهش با تقسیر خودکار، با تجزیه و تحلیل کارآمد مجموعه دادههای بزرگ، امکان تشخیص به موقع را فراهم و به مداخله اولیه کمک میکنند.
به گفته وی؛ نتایج حاکی از آن بود که ترکیب CNN و CBAM نه تنها دقت تشخیص را افزایش میدهد، بلکه وابستگی به تحلیلهای دستی و خطاهای ناشی از خستگی پاتولوژیستها را کاهش میدهد. این سیستم پتانسیل بالایی برای استفاده در محیطهای بالینی به عنوان یک ابزار پشتیبان تصمیم گیری دارد و میتواند زمینه ساز تحقیقات آینده در حوزه تشخیص زودهنگام سرطان مثانه باشد.
به گزارش وبدا، دکتر فاطمه طاهری محقق و عضو هیئت علمی دانشگاه علوم پزشکی شهرکرد در نشست خبری ترجمان دانش گفت: سرطان مثانه با افزایش میزان بروز و مرگ و میر، یک نگرانی قابل توجه برای سلامتی است.
وی افزود: یکی از چالشهای پزشکان برای تشخیص و درجه بندی انواع سرطان از جمله مثانه و پرستات تفسیر دستی تصاویر بافت شناسی است که هم زمانبر و هم در معرض خطای انسانی میباشد.
وی یادآور شد: در شناسایی اولیه، تشخیص زودهنگام برای نتایج بهتر بیمار بسیار مهم است.
دکتر طاهری ادامه داد: این پژوهش با هدف تشخیص خودکار سرطان مثانه از طریق پردازش تصاویر هیستوپاتولوژیک بر روی مجموع 706 تصویر و نمونههای بافتی انجام شد.
وی اضافه کرد: تشخیص بسیار دقیق در وظایف مبتنی بر تصویر عالی، تجزیه و تحلیل تصاویر پزشکی مانند اسلایدهای هیستوپاتولوژیکی نام برد.
عضو هیئت علمی دانشگاه علوم پزشکی شهرکرد گفت: در این پژوهش با تقسیر خودکار، با تجزیه و تحلیل کارآمد مجموعه دادههای بزرگ، امکان تشخیص به موقع را فراهم و به مداخله اولیه کمک میکنند.
به گفته وی؛ نتایج حاکی از آن بود که ترکیب CNN و CBAM نه تنها دقت تشخیص را افزایش میدهد، بلکه وابستگی به تحلیلهای دستی و خطاهای ناشی از خستگی پاتولوژیستها را کاهش میدهد. این سیستم پتانسیل بالایی برای استفاده در محیطهای بالینی به عنوان یک ابزار پشتیبان تصمیم گیری دارد و میتواند زمینه ساز تحقیقات آینده در حوزه تشخیص زودهنگام سرطان مثانه باشد.
