MAPress
مقاله دوقلوهای دیجیتال پزشکی غیر تهاجمی با استفاده از یادگیری خود نظارتی مبتنی بر فیزیک

مقاله دوقلوهای دیجیتال پزشکی غیر تهاجمی با استفاده از یادگیری خود نظارتی مبتنی بر فیزیک

تگ‌ها: Machine Learning Quantitative Methods روشهای کمی یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Non-Invasive Medical Digital Twins using Physics-Informed Self-Supervised Learning
عنوان مقاله به فارسی مقاله دوقلوهای دیجیتال پزشکی غیر تهاجمی با استفاده از یادگیری خود نظارتی مبتنی بر فیزیک
نویسندگان Keying Kuang, Frances Dean, Jack B. Jedlicki, David Ouyang, Anthony Philippakis, David Sontag, Ahmed M. Alaa
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 22
دسته بندی موضوعات Machine Learning,Quantitative Methods,یادگیری ماشین , روشهای کمی ,
توضیحات Submitted 29 February, 2024; originally announced March 2024.
توضیحات به فارسی ارسال شده 29 فوریه 2024 ؛در ابتدا مارس 2024 اعلام شد.

چکیده

A digital twin is a virtual replica of a real-world physical phenomena that uses mathematical modeling to characterize and simulate its defining features. By constructing digital twins for disease processes, we can perform in-silico simulations that mimic patients' health conditions and counterfactual outcomes under hypothetical interventions in a virtual setting. This eliminates the need for invasive procedures or uncertain treatment decisions. In this paper, we propose a method to identify digital twin model parameters using only noninvasive patient health data. We approach the digital twin modeling as a composite inverse problem, and observe that its structure resembles pretraining and finetuning in self-supervised learning (SSL). Leveraging this, we introduce a physics-informed SSL algorithm that initially pretrains a neural network on the pretext task of solving the physical model equations. Subsequently, the model is trained to reconstruct low-dimensional health measurements from noninvasive modalities while being constrained by the physical equations learned in pretraining. We apply our method to identify digital twins of cardiac hemodynamics using noninvasive echocardiogram videos, and demonstrate its utility in unsupervised disease detection and in-silico clinical trials.

چکیده به فارسی (ترجمه ماشینی)

یک دوقلوی دیجیتال یک ماکت مجازی از یک پدیده فیزیکی در دنیای واقعی است که از مدل سازی ریاضی برای توصیف و شبیه سازی ویژگی های تعیین کننده آن استفاده می کند.با ساخت دوقلوهای دیجیتال برای فرآیندهای بیماری ، می توانیم شبیه سازی های درون سیلیکو را انجام دهیم که شرایط سلامتی بیماران را تقلید می کند و نتایج ضد واقعی تحت مداخلات فرضی در یک محیط مجازی.این امر نیاز به روشهای تهاجمی یا تصمیمات درمانی نامشخص را از بین می برد.در این مقاله ، ما روشی را برای شناسایی پارامترهای مدل دوقلوی دیجیتال با استفاده از فقط داده های بهداشتی غیر تهاجمی بیمار پیشنهاد می کنیم.ما به مدل سازی دوقلوی دیجیتال به عنوان یک مشکل معکوس کامپوزیت نزدیک می شویم و مشاهده می کنیم که ساختار آن شبیه به پیش بینی و حقوقی در یادگیری خودبوشی (SSL) است.با استفاده از این امر ، ما یک الگوریتم SSL آگاهانه فیزیک را معرفی می کنیم که در ابتدا یک شبکه عصبی را بر اساس کار بهانه حل معادلات مدل فیزیکی پیش می برد.پس از آن ، این مدل برای بازسازی اندازه گیری های بهداشتی کم بعدی از روشهای غیر تهاجمی در حالی که توسط معادلات فیزیکی آموخته شده در مقدمات محدود می شود ، آموزش داده می شود.ما روش خود را برای شناسایی دوقلوهای دیجیتالی همودینامیک قلبی با استفاده از فیلم های اکوکاردیوگرام غیر تهاجمی و نشان دادن ابزار آن در تشخیص بیماری بدون نظارت و آزمایشات بالینی در سیلیکو اعمال می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.