ترجمه فارسی مقاله تشخیص پولیپ‌های سرطان معده با استفاده از تصویربرداری لمسی جزئی سطحی مبتنی بر یادگیری ماشین با استفاده از ربات

چکیده

In this paper, to collectively address the existing limitations on endoscopic diagnosis of Advanced Gastric Cancer (AGC) Tumors, for the first time, we propose (i) utilization and evaluation of our recently developed Vision-based Tactile Sensor (VTS), and (ii) a complementary Machine Learning (ML) algorithm for classifying tumors using their textural features. Leveraging a seven DoF robotic manipulator and unique custom-designed and additively-manufactured realistic AGC tumor phantoms, we demonstrated the advantages of automated data collection using the VTS addressing the problem of data scarcity and biases encountered in traditional ML-based approaches. Our synthetic-data-trained ML model was successfully evaluated and compared with traditional ML models utilizing various statistical metrics even under mixed morphological characteristics and partial sensor contact.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، برای پرداختن به جمعی محدودیت های موجود در تشخیص آندوسکوپی تومورهای پیشرفته سرطان معده (AGC) ، برای اولین بار ، ما پیشنهاد می کنیم (i) استفاده و ارزیابی سنسور لمسی مبتنی بر بینایی ما (VTS) ، و (ب) الگوریتم یادگیری ماشین مکمل (ML) برای طبقه بندی تومورها با استفاده از ویژگی های بافتی آنها.ما با استفاده از یک محرک رباتیک هفت DOF و فانتوم های تومور AGC واقع گرایانه طراحی شده و به طور افزودنی طراحی شده و به طور اضافی تولید شده ، مزایای جمع آوری داده های خودکار را با استفاده از VTS که به مشکل کمبود داده ها و تعصبات در رویکردهای سنتی مبتنی بر ML رسیده است ، نشان دادیم.مدل ML با آموزش مصنوعی ما با موفقیت با مدل های سنتی ML با استفاده از معیارهای مختلف آماری حتی تحت خصوصیات مورفولوژیکی مختلط و تماس سنسور جزئی مقایسه شد.