ترجمه فارسی مقاله رویکرد یادگیری چند کاره برای پیش آگهی خونریزی داخل جمجمه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Multi-task Learning Approach for Intracranial Hemorrhage Prognosis
عنوان مقاله به فارسی رویکرد یادگیری چند کاره برای پیش آگهی خونریزی داخل جمجمه
نویسندگان Miriam Cobo, Amaia Pérez del Barrio, Pablo Menéndez Fernández-Miranda, Pablo Sanz Bellón, Lara Lloret Iglesias, Wilson Silva
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Image and Video Processing,Computer Vision and Pattern Recognition,پردازش تصویر و ویدیو , چشم انداز رایانه و تشخیص الگوی ,
توضیحات Submitted 4 September, 2024; v1 submitted 16 August, 2024; originally announced August 2024. , Comments: 16 pages. Accepted at Machine Learning in Medical Imaging Workshop @ MICCAI 2024 (MLMI2024). This is the submitted manuscript with added link to github repo, funding acknowledgements and authors' names and affiliations. No further post submission improvements or corrections were integrated. Final version not published yet , MSC Class: I.2
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛V1 ارسال شده 16 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 16 صفحه.پذیرفته شده در یادگیری ماشین در کارگاه تصویربرداری پزشکی @ Miccai 2024 (MLMI2024).این نسخه خطی ارسال شده با پیوند اضافه شده به repo github ، تأیید بودجه و نام ها و وابستگی های نویسندگان است.هیچ پیشرفت یا اصلاحات ارسال ارسال دیگر یکپارچه نشده است.نسخه نهایی هنوز منتشر نشده است ، کلاس MSC: I.2
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

Prognosis after intracranial hemorrhage (ICH) is influenced by a complex interplay between imaging and tabular data. Rapid and reliable prognosis are crucial for effective patient stratification and informed treatment decision-making. In this study, we aim to enhance image-based prognosis by learning a robust feature representation shared between prognosis and the clinical and demographic variables most highly correlated with it. Our approach mimics clinical decision-making by reinforcing the model to learn valuable prognostic data embedded in the image. We propose a 3D multi-task image model to predict prognosis, Glasgow Coma Scale and age, improving accuracy and interpretability. Our method outperforms current state-of-the-art baseline image models, and demonstrates superior performance in ICH prognosis compared to four board-certified neuroradiologists using only CT scans as input. We further validate our model with interpretability saliency maps. Code is available at https://github.com/MiriamCobo/MultitaskLearning_ICH_Prognosis.git.

چکیده به فارسی (ترجمه ماشینی)

پیش آگهی پس از خونریزی داخل جمجمه (ICH) تحت تأثیر یک تعامل پیچیده بین تصویربرداری و داده های جدولی است.پیش آگهی سریع و قابل اعتماد برای طبقه بندی مؤثر بیمار و تصمیم گیری در مورد درمان آگاهانه بسیار مهم است.در این مطالعه ، ما با هدف تقویت پیش آگهی مبتنی بر تصویر با یادگیری یک نمایش ویژگی قوی که بین پیش آگهی و متغیرهای بالینی و جمعیت شناختی به اشتراک گذاشته می شود ، بسیار با آن ارتباط دارد.رویکرد ما با تقویت مدل برای یادگیری داده های پیش آگهی ارزشمند تعبیه شده در تصویر ، تصمیم گیری بالینی را تقلید می کند.ما یک مدل تصویر چند کاره سه بعدی را برای پیش بینی پیش آگهی ، مقیاس کما گلاسکو و سن ، بهبود دقت و تفسیر پیشنهاد می کنیم.روش ما از مدل های تصویر اصلی پیشرفته فعلی بهتر عمل می کند و عملکرد برتر در پیش آگهی ICH را در مقایسه با چهار نورورادیولوژیست های دارای مجوز در هیئت مدیره نشان می دهد که فقط از اسکن های CT به عنوان ورودی استفاده می کنند.ما بیشتر مدل خود را با نقشه های شوری تفسیر اعتبار می دهیم.کد در https://github.com/miriamcobo/multitasklearning_ich_prognosis.git در دسترس 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.