اکسپرس 24
ترجمه فارسی مقاله رتبه‌بندی خودکار وارونگی‌های ناقص هیپوکامپ که در چندین گروه ارزیابی شده‌اند

ترجمه فارسی مقاله رتبه‌بندی خودکار وارونگی‌های ناقص هیپوکامپ که در چندین گروه ارزیابی شده‌اند

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts
عنوان مقاله به فارسی رتبه‌بندی خودکار وارونگی‌های ناقص هیپوکامپ که در چندین گروه ارزیابی شده‌اند
نویسندگان Lisa Hemforth, Baptiste Couvy-Duchesne, Kevin De Matos, Camille Brianceau, Matthieu Joulot, Tobias Banaschewski, Arun L. W. Bokde, Sylvane Desrivières, Herta Flor, Antoine Grigis, Hugh Garavan, Penny Gowland, Andreas Heinz, Rüdiger Brühl, Jean-Luc Martinot, Marie-Laure Paillère Martinot, Eric Artiges, Dimitri Papadopoulos, Herve Lemaitre, Tomas Paus, Luise Poustka, Sarah Hohmann, Nathalie Holz, Juliane H. Fröhner, Michael N. Smolka
فرمت مقاله انگلیسی PDF
تعداد صفحات 26
دسته بندی موضوعات Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,Neurons and Cognition,پردازش تصویر و فیلم , دید رایانه و تشخیص الگوی , یادگیری ماشین , نورون و شناخت ,
توضیحات Submitted 5 August, 2024; originally announced August 2024. , Comments: Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2024:016 , Journal ref: Machine.Learning.for.Biomedical.Imaging. 2 (2024)
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: برای انتشار در مجله یادگیری ماشین برای تصویربرداری زیست پزشکی (Melba) https://melba-journal.org/2024:016 ، مجله Ref: Machine.Learning.For.Biomedical.Imaging پذیرفته شده است.2 (2024)

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 1,040,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 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

چکیده

Incomplete Hippocampal Inversion (IHI), sometimes called hippocampal malrotation, is an atypical anatomical pattern of the hippocampus found in about 20% of the general population. IHI can be visually assessed on coronal slices of T1 weighted MR images, using a composite score that combines four anatomical criteria. IHI has been associated with several brain disorders (epilepsy, schizophrenia). However, these studies were based on small samples. Furthermore, the factors (genetic or environmental) that contribute to the genesis of IHI are largely unknown. Large-scale studies are thus needed to further understand IHI and their potential relationships to neurological and psychiatric disorders. However, visual evaluation is long and tedious, justifying the need for an automatic method. In this paper, we propose, for the first time, to automatically rate IHI. We proceed by predicting four anatomical criteria, which are then summed up to form the IHI score, providing the advantage of an interpretable score. We provided an extensive experimental investigation of different machine learning methods and training strategies. We performed automatic rating using a variety of deep learning models (conv5-FC3, ResNet and SECNN) as well as a ridge regression. We studied the generalization of our models using different cohorts and performed multi-cohort learning. We relied on a large population of 2,008 participants from the IMAGEN study, 993 and 403 participants from the QTIM/QTAB studies as well as 985 subjects from the UKBiobank. We showed that deep learning models outperformed a ridge regression. We demonstrated that the performances of the conv5-FC3 network were at least as good as more complex networks while maintaining a low complexity and computation time. We showed that training on a single cohort may lack in variability while training on several cohorts improves generalization.

چکیده به فارسی (ترجمه ماشینی)

وارونگی ناقص هیپوکامپ (IHI) ، که گاهی اوقات به نام سوء هپوکامپ به آن گفته می شود ، یک الگوی آناتومیکی غیرعادی هیپوکامپ است که در حدود 20 ٪ از جمعیت عمومی یافت می شود.IHI را می توان با استفاده از یک نمره کامپوزیت که چهار معیار آناتومیکی را ترکیب می کند ، در برش های تاج از تصاویر MR وزنی T1 ارزیابی کند.IHI با چندین اختلال مغزی همراه است (صرع ، اسکیزوفرنی).با این حال ، این مطالعات بر اساس نمونه های کوچک انجام شده است.علاوه بر این ، عوامل (ژنتیکی یا محیطی) که به پیدایش IHI کمک می کنند ، تا حد زیادی ناشناخته هستند.بنابراین مطالعات در مقیاس بزرگ برای درک بیشتر IHI و روابط بالقوه آنها با اختلالات عصبی و روانپزشکی مورد نیاز است.با این حال ، ارزیابی بصری طولانی و خسته کننده است و توجیه نیاز به یک روش اتوماتیک است.در این مقاله ، ما برای اولین بار پیشنهاد می کنیم که به طور خودکار IHI را ارزیابی کنیم.ما با پیش بینی چهار معیار آناتومیکی ، که سپس خلاصه می شوند تا نمره IHI را تشکیل می دهیم ، و مزیت یک امتیاز قابل تفسیر را ارائه می دهیم.ما یک تحقیق تجربی گسترده در مورد روشهای مختلف یادگیری ماشین و استراتژی های آموزشی ارائه دادیم.ما با استفاده از انواع مدل های یادگیری عمیق (CONV5-FC3 ، RESNET و SECNN) و همچنین رگرسیون ریج ، رتبه بندی خودکار را انجام دادیم.ما تعمیم مدل های خود را با استفاده از گروههای مختلف مطالعه کردیم و یادگیری چند قشر را انجام دادیم.ما به جمعیت زیادی از 2،008 شرکت کننده از مطالعه Imagen ، 993 و 403 شرکت کننده از مطالعات QTIM/QTAB و همچنین 985 نفر از Ukbiobank اعتماد کردیم.ما نشان دادیم که مدل های یادگیری عمیق از رگرسیون خط الراس بهتر است.ما نشان دادیم که عملکرد شبکه CONV5-FC3 حداقل به اندازه شبکه های پیچیده تر و در عین حال دارای پیچیدگی و زمان محاسبه پایین است.ما نشان دادیم که آموزش یک گروه واحد ممکن است در حالی که آموزش روی چندین گروه ، تعمیم را بهبود می بخشد ، تعمیم را بهبود می بخشد.

📚 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.