Telegram Group & Telegram Channel
«تحولی در ارزیابی درمان سرطان کبد با هوش مصنوعی: مدل یادگیری عمیق RECORD معرفی شد»

🔬📚📝

مقاله‌ای با عنوان «ارزیابی نتایج درمانی و نقاط پایانی سرطان با استفاده از یادگیری عمیق از تصاویر سی‌تی اسکن در سرطان کبد» در مجله npj Precision Oncology در نوامبر ۲۰۲۴ منتشر شده است.

این پژوهش به توسعه یک مدل یادگیری عمیق به نام RECORD پرداخته است که با استفاده از تصاویر سی‌تی اسکن، پاسخ به درمان در بیماران مبتلا به سرطان کبد را ارزیابی می‌کند. این مدل با بهره‌گیری از شبکه‌های عصبی پیچشی (CNN) و ترانسفورمرهای بینایی (ViT)، حجم تومورهای کبد را اندازه‌گیری کرده و بر اساس مجموع حجم (SOV)، وضعیت بیماری را به صورت پاسخ، ثبات یا پیشرفت طبقه‌بندی می‌کند. همچنین، RECORD قادر به شناسایی ضایعات جدید و پیش‌بینی بقای بدون پیشرفت (PFS) و زمان پاسخ به درمان است.

👩🏻‍💻🧑🏻‍🔬🌝



عملکرد این مدل در سه گروه طولی شامل ۲۰۶ بیمار و ۸۹۱ سی‌تی اسکن از ۶۰ مرکز بین‌المللی ارزیابی شده است. نتایج نشان می‌دهد که RECORD با دقت بالا می‌تواند وضعیت بیماری را طبقه‌بندی کرده، ضایعات جدید را شناسایی و نتایج کلی درمان را ارزیابی کند. پیش‌بینی‌های این مدل با ارزیابی‌های بالینی همبستگی قوی داشته و در تفکیک بیماران با ریسک بالا و پایین برای بقای کلی، عملکرد بهتری نسبت به روش‌های سنتی مانند RECIST نشان داده است.

این پژوهش نشان می‌دهد که استفاده از مدل‌های یادگیری عمیق می‌تواند ارزیابی پاسخ به درمان در سرطان کبد را بهبود بخشد و به عنوان ابزاری کارآمد و عینی در تحلیل ضایعات کبدی مورد استفاده قرار گیرد.

🧬 @fatemehghasemibme ☃️



group-telegram.com/fatemehghasemibme/667
Create:
Last Update:

«تحولی در ارزیابی درمان سرطان کبد با هوش مصنوعی: مدل یادگیری عمیق RECORD معرفی شد»

🔬📚📝

مقاله‌ای با عنوان «ارزیابی نتایج درمانی و نقاط پایانی سرطان با استفاده از یادگیری عمیق از تصاویر سی‌تی اسکن در سرطان کبد» در مجله npj Precision Oncology در نوامبر ۲۰۲۴ منتشر شده است.

این پژوهش به توسعه یک مدل یادگیری عمیق به نام RECORD پرداخته است که با استفاده از تصاویر سی‌تی اسکن، پاسخ به درمان در بیماران مبتلا به سرطان کبد را ارزیابی می‌کند. این مدل با بهره‌گیری از شبکه‌های عصبی پیچشی (CNN) و ترانسفورمرهای بینایی (ViT)، حجم تومورهای کبد را اندازه‌گیری کرده و بر اساس مجموع حجم (SOV)، وضعیت بیماری را به صورت پاسخ، ثبات یا پیشرفت طبقه‌بندی می‌کند. همچنین، RECORD قادر به شناسایی ضایعات جدید و پیش‌بینی بقای بدون پیشرفت (PFS) و زمان پاسخ به درمان است.

👩🏻‍💻🧑🏻‍🔬🌝



عملکرد این مدل در سه گروه طولی شامل ۲۰۶ بیمار و ۸۹۱ سی‌تی اسکن از ۶۰ مرکز بین‌المللی ارزیابی شده است. نتایج نشان می‌دهد که RECORD با دقت بالا می‌تواند وضعیت بیماری را طبقه‌بندی کرده، ضایعات جدید را شناسایی و نتایج کلی درمان را ارزیابی کند. پیش‌بینی‌های این مدل با ارزیابی‌های بالینی همبستگی قوی داشته و در تفکیک بیماران با ریسک بالا و پایین برای بقای کلی، عملکرد بهتری نسبت به روش‌های سنتی مانند RECIST نشان داده است.

این پژوهش نشان می‌دهد که استفاده از مدل‌های یادگیری عمیق می‌تواند ارزیابی پاسخ به درمان در سرطان کبد را بهبود بخشد و به عنوان ابزاری کارآمد و عینی در تحلیل ضایعات کبدی مورد استفاده قرار گیرد.

🧬 @fatemehghasemibme ☃️

BY fatemehghasemi.bme 🧫🧪


Warning: Undefined variable $i in /var/www/group-telegram/post.php on line 260

Share with your friend now:
group-telegram.com/fatemehghasemibme/667

View MORE
Open in Telegram


Telegram | DID YOU KNOW?

Date: |

This ability to mix the public and the private, as well as the ability to use bots to engage with users has proved to be problematic. In early 2021, a database selling phone numbers pulled from Facebook was selling numbers for $20 per lookup. Similarly, security researchers found a network of deepfake bots on the platform that were generating images of people submitted by users to create non-consensual imagery, some of which involved children. Under the Sebi Act, the regulator has the power to carry out search and seizure of books, registers, documents including electronics and digital devices from any person associated with the securities market. The regulator said it had received information that messages containing stock tips and other investment advice with respect to selected listed companies are being widely circulated through websites and social media platforms such as Telegram, Facebook, WhatsApp and Instagram. Pavel Durov, Telegram's CEO, is known as "the Russian Mark Zuckerberg," for co-founding VKontakte, which is Russian for "in touch," a Facebook imitator that became the country's most popular social networking site. "There are several million Russians who can lift their head up from propaganda and try to look for other sources, and I'd say that most look for it on Telegram," he said.
from ca


Telegram fatemehghasemi.bme 🧫🧪
FROM American