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: |

He floated the idea of restricting the use of Telegram in Ukraine and Russia, a suggestion that was met with fierce opposition from users. Shortly after, Durov backed off the idea. Telegram was founded in 2013 by two Russian brothers, Nikolai and Pavel Durov. READ MORE Pavel Durov, a billionaire who embraces an all-black wardrobe and is often compared to the character Neo from "the Matrix," funds Telegram through his personal wealth and debt financing. And despite being one of the world's most popular tech companies, Telegram reportedly has only about 30 employees who defer to Durov for most major decisions about the platform. Now safely in France with his spouse and three of his children, Kliuchnikov scrolls through Telegram to learn about the devastation happening in his home country.
from es


Telegram fatemehghasemi.bme 🧫🧪
FROM American