ترجمه فارسی مقاله تقسیم بندی گلیوما حین عمل با YOLO + SAM برای بهبود دقت در برداشتن تومور

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 Intraoperative Glioma Segmentation with YOLO + SAM for Improved Accuracy in Tumor Resection
عنوان مقاله به فارسی تقسیم بندی گلیوما حین عمل با YOLO + SAM برای بهبود دقت در برداشتن تومور
نویسندگان Samir Kassam, Angelo Markham, Katie Vo, Yashas Revanakara, Michael Lam, Kevin Zhu
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
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 27 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Gliomas, a common type of malignant brain tumor, present significant surgical challenges due to their similarity to healthy tissue. Preoperative Magnetic Resonance Imaging (MRI) images are often ineffective during surgery due to factors such as brain shift, which alters the position of brain structures and tumors. This makes real-time intraoperative MRI (ioMRI) crucial, as it provides updated imaging that accounts for these shifts, ensuring more accurate tumor localization and safer resections. This paper presents a deep learning pipeline combining You Only Look Once Version 8 (YOLOv8) and Segment Anything Model Vision Transformer-base (SAM ViT-b) to enhance glioma detection and segmentation during ioMRI. Our model was trained using the Brain Tumor Segmentation 2021 (BraTS 2021) dataset, which includes standard magnetic resonance imaging (MRI) images, and noise-augmented MRI images that simulate ioMRI images. Noised MRI images are harder for a deep learning pipeline to segment, but they are more representative of surgical conditions. Achieving a Dice Similarity Coefficient (DICE) score of 0.79, our model performs comparably to state-of-the-art segmentation models tested on noiseless data. This performance demonstrates the model's potential to assist surgeons in maximizing tumor resection and improving surgical outcomes.

چکیده به فارسی (ترجمه ماشینی)

گلیوما ، نوع متداول تومور بدخیم مغز ، به دلیل شباهت آنها با بافت سالم ، چالش های جراحی قابل توجهی را نشان می دهد.تصاویر تصویربرداری با رزونانس مغناطیسی قبل از عمل (MRI) به دلیل عواملی مانند تغییر مغز ، اغلب در حین عمل ناکارآمد هستند ، که باعث تغییر موقعیت ساختارهای مغز و تومورها می شود.این امر باعث می شود MRI (IOMRI) در حین عمل در زمان واقعی بسیار مهم باشد ، زیرا تصویربرداری به روز شده را ارائه می دهد که این شیفت ها را به خود اختصاص می دهد ، و از محلی سازی دقیق تر تومور و برداشتن ایمن تر اطمینان می دهد.این مقاله یک خط لوله یادگیری عمیق را نشان می دهد که شما فقط یک بار نسخه 8 (yolov8) و بخش هر چیزی را به ترانسفورماتور-پایه (SAM VIT-B) بخش می اندازد تا بتواند تشخیص و تقسیم گلیوما را در طول IOMRI تقویت کند.مدل ما با استفاده از مجموعه داده های تومور مغز 2021 (BRATS 2021) آموزش داده شد ، که شامل تصاویر تصویربرداری با رزونانس مغناطیسی استاندارد (MRI) و تصاویر MRI با سر و صدا است که تصاویر IOMRI را شبیه سازی می کنند.تصاویر MRI Noised برای یک خط لوله یادگیری عمیق به بخش سخت تر است ، اما آنها بیشتر نماینده شرایط جراحی هستند.دستیابی به نمره ضریب شباهت تاس (DICE) 0.79 ، مدل ما نسبت به مدلهای تقسیم بندی پیشرفته و آزمایش شده بر روی داده های بی سر و صدا عمل می کند.این عملکرد پتانسیل مدل را برای کمک به جراحان در به حداکثر رساندن برداشت تومور و بهبود نتایج جراحی نشان می دهد.

📚 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.