اکسپرس 24
ترجمه فارسی مقاله یک تکنیک جدید یادگیری عمیق مبتنی بر مومنتوم برای طبقه‌بندی و قطعه‌بندی تصاویر پزشکی

ترجمه فارسی مقاله یک تکنیک جدید یادگیری عمیق مبتنی بر مومنتوم برای طبقه‌بندی و قطعه‌بندی تصاویر پزشکی

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 A Novel Momentum-Based Deep Learning Techniques for Medical Image Classification and Segmentation
عنوان مقاله به فارسی یک تکنیک جدید یادگیری عمیق مبتنی بر مومنتوم برای طبقه‌بندی و قطعه‌بندی تصاویر پزشکی
نویسندگان Koushik Biswas, Ridal Pal, Shaswat Patel, Debesh Jha, Meghana Karri, Amit Reza, Gorkem Durak, Alpay Medetalibeyoglu, Matthew Antalek, Yury Velichko, Daniela Ladner, Amir Borhani, Ulas Bagci
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
دسته بندی موضوعات Computer Vision and Pattern Recognition,Artificial Intelligence,Machine Learning,Image and Video Processing,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , یادگیری ماشین , پردازش تصویر و فیلم ,
توضیحات Submitted 11 August, 2024; originally announced August 2024. , Comments: 8 pages
توضیحات به فارسی ارسال شده در 11 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 8 صفحه

قیمت: 19,000 تومان

سفارش

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

قیمت: 320,000 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

Accurately segmenting different organs from medical images is a critical prerequisite for computer-assisted diagnosis and intervention planning. This study proposes a deep learning-based approach for segmenting various organs from CT and MRI scans and classifying diseases. Our study introduces a novel technique integrating momentum within residual blocks for enhanced training dynamics in medical image analysis. We applied our method in two distinct tasks: segmenting liver, lung, & colon data and classifying abdominal pelvic CT and MRI scans. The proposed approach has shown promising results, outperforming state-of-the-art methods on publicly available benchmarking datasets. For instance, in the lung segmentation dataset, our approach yielded significant enhancements over the TransNetR model, including a 5.72% increase in dice score, a 5.04% improvement in mean Intersection over Union (mIoU), an 8.02% improvement in recall, and a 4.42% improvement in precision. Hence, incorporating momentum led to state-of-the-art performance in both segmentation and classification tasks, representing a significant advancement in the field of medical imaging.

چکیده به فارسی (ترجمه ماشینی)

به طور دقیق تقسیم اندام های مختلف از تصاویر پزشکی ، پیش نیاز مهمی برای تشخیص و برنامه ریزی مداخله به کمک رایانه است.این مطالعه یک رویکرد عمیق مبتنی بر یادگیری برای تقسیم اندام های مختلف از اسکن CT و MRI و طبقه بندی بیماری ها ارائه می دهد.مطالعه ما یک تکنیک جدید را برای ادغام حرکت در بلوک های باقیمانده برای دینامیک آموزش پیشرفته در تجزیه و تحلیل تصویر پزشکی معرفی می کند.ما روش خود را در دو کار مجزا به کار گرفتیم: تقسیم بندی داده های کبد ، ریه و روده بزرگ و طبقه بندی اسکنهای لگن و MRI لگن شکمی.رویکرد پیشنهادی نتایج امیدوارکننده ای را نشان داده است ، و از روشهای پیشرفته در مجموعه داده های معیار در دسترس عموم استفاده می کند.به عنوان مثال ، در مجموعه داده های تقسیم ریه ، رویکرد ما پیشرفت های قابل توجهی نسبت به مدل Transnetr ، از جمله افزایش 5.72 ٪ در نمره تاس ، بهبود 5.04 ٪ در میانگین تقاطع در اتحادیه (MIOU) ، بهبود 8.02 ٪ در فراخوان و یک4.42 ٪ بهبود در دقت.از این رو ، ترکیب حرکت منجر به عملکرد پیشرفته در هر دو کار تقسیم بندی و طبقه بندی شد ، که نشان دهنده پیشرفت قابل توجهی در زمینه تصویربرداری پزشکی است.

📚 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.