ترجمه فارسی مقاله Lung-DETR: ترانسفورماتور تشخیص تغییر شکل پذیر برای تشخیص ناهنجاری ندول ریه پراکنده

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 Lung-DETR: Deformable Detection Transformer for Sparse Lung Nodule Anomaly Detection
عنوان مقاله به فارسی Lung-DETR: ترانسفورماتور تشخیص تغییر شکل پذیر برای تشخیص ناهنجاری ندول ریه پراکنده
نویسندگان Hooman Ramezani, Dionne Aleman, Daniel Létourneau
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 8 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 8 سپتامبر 2024 ؛در ابتدا سپتامبر 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

Accurate lung nodule detection for computed tomography (CT) scan imagery is challenging in real-world settings due to the sparse occurrence of nodules and similarity to other anatomical structures. In a typical positive case, nodules may appear in as few as 3% of CT slices, complicating detection. To address this, we reframe the problem as an anomaly detection task, targeting rare nodule occurrences in a predominantly normal dataset. We introduce a novel solution leveraging custom data preprocessing and Deformable Detection Transformer (Deformable- DETR). A 7.5mm Maximum Intensity Projection (MIP) is utilized to combine adjacent lung slices into single images, reducing the slice count and decreasing nodule sparsity. This enhances spatial context, allowing for better differentiation between nodules and other structures such as complex vascular structures and bronchioles. Deformable-DETR is employed to detect nodules, with a custom focal loss function to better handle the imbalanced dataset. Our model achieves state-of-the-art performance on the LUNA16 dataset with an F1 score of 94.2% (95.2% recall, 93.3% precision) on a dataset sparsely populated with lung nodules that is reflective of real-world clinical data.

چکیده به فارسی (ترجمه ماشینی)

تشخیص دقیق گره ریه برای توموگرافی کامپیوتری (CT) تصاویر اسکن در تنظیمات دنیای واقعی به دلیل وقوع پراکنده گره ها و شباهت به سایر ساختارهای آناتومیکی چالش برانگیز است.در یک مورد مثبت معمولی ، گره ها ممکن است به اندازه 3 ٪ از برش های CT ظاهر شوند و تشخیص را پیچیده تر می کنند.برای پرداختن به این موضوع ، ما مشکل را به عنوان یک کار تشخیص ناهنجاری تغییر می دهیم ، و اتفاقات گره ای نادر را در یک مجموعه داده عمدتاً طبیعی هدف قرار می دهیم.ما یک راه حل جدید را برای استفاده از پیش پردازش داده های سفارشی و ترانسفورماتور تشخیص تغییر شکل (تغییر شکل) معرفی می کنیم.از یک طرح ریزی حداکثر شدت 7.5 میلی متر (MIP) برای ترکیب برش های ریه مجاور در تصاویر منفرد ، کاهش تعداد برش و کاهش کمبود گره استفاده می شود.این زمینه فضایی را تقویت می کند و باعث تمایز بهتر بین گره ها و سایر سازه ها مانند ساختارهای عروقی پیچیده و برونشیول ها می شود.با استفاده از یک عملکرد از دست دادن کانونی سفارشی ، با استفاده از یک عملکرد از دست دادن کانونی ، برای بهتر رسیدگی به مجموعه داده های نامتوازن ، برای تشخیص گره ها استفاده می شود.مدل ما به عملکرد پیشرفته در مجموعه داده های LUNA16 با نمره F1 94.2 ٪ (95.2 ٪ فراخوان ، دقت 93.3 ٪) بر روی مجموعه داده های کم جمعیت با گره های ریه که منعکس کننده داده های بالینی در دنیای واقعی است ، می رسد.

📚 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.