| عنوان مقاله به انگلیسی | Brain Tumor Radiogenomic Classification |
| عنوان مقاله به فارسی | مقاله طبقه بندی رادیوژیکی تومور مغزی |
| نویسندگان | Amr Mohamed, Mahmoud Rabea, Aya Sameh, Ehab Kamal |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| چکیده | The RSNA-MICCAI brain tumor radiogenomic classification challenge aimed to predict MGMT biomarker status in glioblastoma through binary classification on Multi parameter mpMRI scans: T1w, T1wCE, T2w and FLAIR. The dataset is splitted into three main cohorts: training set, validation set which were used during training, and the testing were only used during final evaluation. Images were either in a DICOM format or in Png format. different architectures were used to investigate the problem including the 3D version of Vision Transformer (ViT3D), ResNet50, Xception and EfficientNet-B3. AUC was used as the main evaluation metric and the results showed an advantage for both the ViT3D and the Xception models achieving 0.6015 and 0.61745 respectively on the testing set. compared to other results, our results proved to be valid given the complexity of the task. further improvements can be made through exploring different strategies, different architectures and more diverse datasets. |
| تعداد صفحات | 6 |
| چکیده به فارسی (ترجمه ماشینی) | چالش طبقه بندی رادیوژنی تومور مغزی RSNA-Miccai با هدف پیش بینی وضعیت زیست نشانگر MGMT در گلیوبلاستوما از طریق طبقه بندی باینری در اسکن های MPMRI چند پارامتر: T1W ، T1WCE ، T2W و استعداد.مجموعه داده به سه گروه اصلی تقسیم می شود: مجموعه آموزش ، مجموعه اعتبار سنجی که در طول آموزش استفاده می شد و آزمایش فقط در طول ارزیابی نهایی استفاده می شود.تصاویر یا با فرمت DICOM یا با فرمت PNG بودند.از معماری های مختلف برای بررسی مشکل از جمله نسخه سه بعدی ترانسفورماتور Vision (VIT3D) ، RESNET50 ، Xception و کارآمد استفاده شد.AUC به عنوان متریک ارزیابی اصلی مورد استفاده قرار گرفت و نتایج برای مدلهای VIT3D و Xception به ترتیب در مجموعه آزمایشات به ترتیب 0.6015 و 0.61745 مزیت را نشان داد.در مقایسه با نتایج دیگر ، نتایج ما با توجه به پیچیدگی کار معتبر است.با کاوش در استراتژی های مختلف ، معماری های مختلف و مجموعه داده های متنوع تر می توان پیشرفت های بیشتری را انجام داد. |
| دسته بندی موضوعات | Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش تصویر و فیلم ، دید رایانه و تشخیص الگوی ، یادگیری ماشین ، |
| توضیحات | Submitted 11 January, 2024; originally announced January 2024. , Comments: 6 Pages with 4 Tables, 4 Figures and 4 Images |
| توضیحات به فارسی | ارسال 11 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد ، نظرات: 6 صفحه با 4 جدول ، 4 شکل و 4 تصویر |
| توجه کنید این مقاله به زبان انگلیسی است. |
|
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:
09395106248 توجه کنید که شرایط ترجمه به صورت زیر است:
|
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.