اکسپرس 24
ترجمه فارسی مقاله BeyondCT: یک مدل یادگیری عمیق برای پیش‌بینی عملکرد ریوی از اسکن‌های سی‌تی‌اسکن قفسه سینه

ترجمه فارسی مقاله BeyondCT: یک مدل یادگیری عمیق برای پیش‌بینی عملکرد ریوی از اسکن‌های سی‌تی‌اسکن قفسه سینه

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 BeyondCT: A deep learning model for predicting pulmonary function from chest CT scans
عنوان مقاله به فارسی BeyondCT: یک مدل یادگیری عمیق برای پیش‌بینی عملکرد ریوی از اسکن‌های سی‌تی‌اسکن قفسه سینه
نویسندگان Kaiwen Geng, Zhiyi Shi, Xiaoyan Zhao, Alaa Ali, Jing Wang, Joseph Leader, Jiantao Pu
فرمت مقاله انگلیسی PDF
تعداد صفحات 23
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 10 August, 2024; originally announced August 2024. , Comments: 5 tables, 7 figures,22 pages
توضیحات به فارسی ارسال شده 10 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 5 جدول ، 7 شکل ، 22 صفحه

قیمت: 19,000 تومان

سفارش

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

قیمت: 920,000 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

Abstract Background: Pulmonary function tests (PFTs) and computed tomography (CT) imaging are vital in diagnosing, managing, and monitoring lung diseases. A common issue in practice is the lack of access to recorded pulmonary functions despite available chest CT scans. Purpose: To develop and validate a deep learning algorithm for predicting pulmonary function directly from chest CT scans. Methods: The development cohort came from the Pittsburgh Lung Screening Study (PLuSS) (n=3619). The validation cohort came from the Specialized Centers of Clinically Oriented Research (SCCOR) in COPD (n=662). A deep learning model called BeyondCT, combining a three-dimensional (3D) convolutional neural network (CNN) and Vision Transformer (ViT) architecture, was used to predict forced vital capacity (FVC) and forced expiratory volume in one second (FEV1) from non-contrasted inspiratory chest CT scans. A 3D CNN model without ViT was used for comparison. Subject demographics (age, gender, smoking status) were also incorporated into the model. Performance was compared to actual PFTs using mean absolute error (MAE, L), percentage error, and R square. Results: The 3D-CNN model achieved MAEs of 0.395 L and 0.383 L, percentage errors of 13.84% and 18.85%, and R square of 0.665 and 0.679 for FVC and FEV1, respectively. The BeyondCT model without demographics had MAEs of 0.362 L and 0.371 L, percentage errors of 10.89% and 14.96%, and R square of 0.719 and 0.727, respectively. Including demographics improved performance (p<0.05), with MAEs of 0.356 L and 0.353 L, percentage errors of 10.79% and 14.82%, and R square of 0.77 and 0.739 for FVC and FEV1 in the test set. Conclusion: The BeyondCT model showed robust performance in predicting lung function from non-contrast inspiratory chest CT scans.

چکیده به فارسی (ترجمه ماشینی)

سابقه و هدف انتزاعی: آزمایشات عملکرد ریوی (PFTS) و تصویربرداری توموگرافی کامپیوتری (CT) در تشخیص ، مدیریت و نظارت بر بیماری های ریه بسیار مهم است.یک مسئله مشترک در عمل عدم دسترسی به عملکردهای ریوی ثبت شده با وجود اسکن CT قفسه سینه موجود است.هدف: توسعه و اعتبارسنجی یک الگوریتم یادگیری عمیق برای پیش بینی عملکرد ریوی به طور مستقیم از اسکن CT قفسه سینه.مواد و روش ها: گروه توسعه از مطالعه غربالگری ریه پیتسبورگ (PLUS) (PLUS) (3619 = n) آمده است.گروه اعتبار سنجی از مراکز تخصصی تحقیقات بالینی گرا (SCCOR) در COPD (662 نفر) آمده است.یک مدل یادگیری عمیق به نام Beyondct ، ترکیب یک شبکه عصبی سه بعدی (3D) (CNN) و ترانسفورماتور بینایی (VIT) ، برای پیش بینی ظرفیت حیاتی اجباری (FVC) و حجم اجباری اجباری در یک ثانیه (FEV1) از آن استفاده شد.اسکن CT قفسه سینه الهام بخش بدون کنترل.از یک مدل CNN سه بعدی بدون VIT برای مقایسه استفاده شد.جمعیت شناسی موضوع (سن ، جنس ، وضعیت سیگار کشیدن) نیز در مدل گنجانیده شد.عملکرد با PFT های واقعی با استفاده از میانگین خطای مطلق (MAE ، L) ، خطای درصد و مربع R مقایسه شد.یافته ها: مدل 3D-CNN به ترتیب MAES 0.395 L و 0.383 L ، درصد خطاهای 13.84 ٪ و 18.85 ٪ و مربع R از 0.665 و 0.679 برای FVC و FEV1 به دست آورد.مدل BeyondCT بدون جمعیت شناسی دارای MAE های 0.362 L و 0.371 L ، درصد خطاهای 10.89 ٪ و 14.96 ٪ و مربع R به ترتیب 0.719 و 0.727 بود.از جمله جمعیت شناسی عملکرد بهبود یافته است (P <0.05) ، با MAES 0.356 L و 0.353 L ، درصد خطاهای 10.79 ٪ و 14.82 ٪ و مربع R 0.77 و 0.739 برای FVC و FEV1 در مجموعه آزمایش.نتیجه گیری: مدل BeyondCT عملکرد قوی را در پیش بینی عملکرد ریه از اسکن CT قفسه سینه بدون کنتراست نشان داد.

📚 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.