اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديداستخدام الشبكة العصبونية ذات الانتشار العكسي BNN لتصنيف كتل الثدي من صور الماموغرام
2469
0 40
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
الهدف من هذا البحث هو استعمال الشبكة العصبونية ذات الانتشار العكسي BNN في تصنيف كتل الثدي من صور الماموغرام بهدف تخفيض عدد الخزعات الجراحية غيـر الضـرورية. قارنا في هذه الدراسة أداء تصنيف كتل الثدي في صور الماموغرام بين الشبكة العصـبونية ذات الانتشار العكسي (BNN (Network Neural Backpropagation و بين أطبـاء أشـعة. دخل BNN هو الصفات الشكلية وصفات الكسوة المستخلصة من الكتل.
No English abstract
مراجعة الذكاء الصنعي:
ملخص البحث
تتناول هذه الدراسة التي أعدتها الطالبة لينا عربش بإشراف الدكتور غسان فلوح والدكتور جوزيف راينهاروت، استخدام تقنيات الذكاء الاصطناعي لتصنيف الكتل الثديية إلى خبيثة وغير خبيثة باستخدام الشبكات العصبية العكسية (Backpropagation Neural Networks - BNN). تعتمد الدراسة على تحليل الصور المأخوذة من التصوير بالرنين المغناطيسي والتصوير المقطعي المحوسب لتحديد خصائص الكتل الثديية مثل الشكل والكثافة والحدود. تم استخدام خوارزمية النمو الإقليمي (Region Growing Algorithm) لتجزئة الصور وخوارزمية الشبكة العصبية العكسية لتصنيف البيانات. أظهرت النتائج أن النموذج المقترح يمكن أن يحقق دقة عالية في تصنيف الكتل الثديية، حيث بلغت قيمة منطقة تحت المنحنى (AUC) 0.922، مما يشير إلى كفاءة النموذج في التمييز بين الكتل الخبيثة وغير الخبيثة. كما تم مقارنة أداء النموذج مع أداء القراء البشريين (الأطباء) وأظهرت النتائج تفوق النموذج على القراء البشريين في بعض الحالات.
قراءة نقدية
دراسة نقدية: تعتبر هذه الدراسة خطوة مهمة في مجال استخدام الذكاء الاصطناعي في التشخيص الطبي، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم توضيح حجم العينة المستخدمة بشكل كافٍ، مما يجعل من الصعب تقييم مدى تعميم النتائج. ثانياً، على الرغم من أن النموذج أظهر دقة عالية، إلا أن الدراسة لم تتناول بشكل كافٍ كيفية التعامل مع الحالات التي قد تكون فيها البيانات غير متوازنة (أي وجود عدد قليل من الكتل الخبيثة مقارنة بالكتل غير الخبيثة). ثالثاً، كان من الأفضل تضمين مقارنة مع تقنيات أخرى للذكاء الاصطناعي لمعرفة مدى تفوق النموذج المقترح. وأخيراً، يجب أن يتم اختبار النموذج على مجموعة بيانات مستقلة تماماً عن تلك التي تم استخدامها في التدريب لضمان موثوقية النتائج.
أسئلة حول البحث
-
ما هي التقنية الرئيسية المستخدمة في تصنيف الكتل الثديية في هذه الدراسة؟
التقنية الرئيسية المستخدمة هي الشبكات العصبية العكسية (Backpropagation Neural Networks - BNN).
-
ما هي قيمة منطقة تحت المنحنى (AUC) التي حققها النموذج المقترح في الدراسة؟
قيمة منطقة تحت المنحنى (AUC) التي حققها النموذج هي 0.922.
-
ما هي الخوارزمية المستخدمة لتجزئة الصور في هذه الدراسة؟
الخوارزمية المستخدمة لتجزئة الصور هي خوارزمية النمو الإقليمي (Region Growing Algorithm).
-
كيف تم مقارنة أداء النموذج المقترح مع أداء القراء البشريين؟
تم مقارنة أداء النموذج مع أداء القراء البشريين (الأطباء) وأظهرت النتائج تفوق النموذج على القراء البشريين في بعض الحالات.
المراجع المستخدمة
Giger ML, Computer Aided Diagnosis. In: Haus AG, Yaffe MJ, eds. Syllabus: a categorical course in physics – technical aspects of breast imaging. Oak Book, III: Radiological Society of North America,1993
Chan HP, et al, Improvement of radiologist’ characterization of mammographic masses by using computer-aided diagnosis: an ROC study. Radiology,1999
لينا عربش, الكشف المحوسب عن كتل الثدي من صور الماموغرام, . رسالة ماجستير, جامعة دمشق, 1998
قيم البحث
اقرأ أيضاً
يعتبر الماموغرام الخيار الأفضل للكشف المبكر عن سرطان الثدي عند النساء،
طورت أنظمة الكشف بمساعدة الحاسب (CAD) من أجل تحسين تشخيص صور
الماموغرام. يقدم هذا البحث طريقة مقترحة لتجزيء صور الماموغرام آلياً اعتماداً على
طريقة أوتسو Otsu’s method بهدف ك
شف آفة التكلسات الميكروية و الكتل من
صور الماموغرام المجزأة ، تستند هذه التقنية المقترحة إلى ثلاث خطوات، أ ( تحديد
مواصفات المنطقة ذات الاهتمام ROI, ب ( تحويل المويجي ثنائي البعد، ج ( تطبيق
تعتيب أوتسو على ROI لاستخلاص الآفة. اختبرت الطريقة المقترحة على عدة صور
أخذت من قاعدة بيانات معيارية mini-MIAS. و نفذت ضمن بيئة برنامج الماتلاب، .
و يمكن إنجازها بشكل فعال على حاسب شخصي بسيط. بينت النتائج التجريبية و نتائج
تقييم الأداء بأن الخوارزمية المقترحة تعتبر أداة مساعدة في تحسين أداء التشخيص،
و لها القدرة على الكشف عن آفات الثدي.
التصوير الشعاعي للثدي (الماموغرام) هو تقنية تستخدم على نطاق واسع للكشف عن سرطان الثدي، فبالرغم من وجود تقنيات أخرى مختلفة للكشف عن سرطان الثدي إلا أن التصوير الشعاعي للثدي هو الأسلوب الأكثر موثوقية و فعالية في الكشف المبكر عن سرطان الثدي. إن الصور ال
تي يتم الحصول عليها عن طريق التصوير الشعاعي للثدي هي ذات تباين منخفض و هذا ما يسبب مشكلة لأطباء الأشعة لتشخيص المرض من هذه الصور، إذاً، تستخدم تقنيات معالجة الصورة في الحصول على صور ذات جودة عالية، بهدف استخلاص أي نوع من المعلومات منها، لذلك وضعت العديد من الخوارزميات لتحسين تباين الصورة خلال السنوات الماضية. في هذا العمل، اُقْتُرِحَتْ طريقة لتحسين تباين التكلسات في صور الماموغرام، تعتمد هذه الطريقة على تطبيق تحويلي القبعة العليا Top-Hat و القبعة السفلى Bottom –Hat و التي تعتمد على العمليات المورفولوجية الرياضية. اختبرت الطريقة على مجموعة صور ذات أنماط مختلفة من نسج الثدي من قاعدة بيانات معيارية mini-Mias . لتقييم أداء خوارزمية التحسين استخدم معيار تحسين التباين CII، و معيار نسبة ذروة الاشارة الى الضجيج PSNR بعد كل تحسين. تشير النتائج التجريبية أن الخوارزمية المقترحة لديها القدرة على تحسين نظام التشخيص بمساعدة الحاسب (CAD) و خاصة لنسج الثدي الكثيفة.
يساعد الكشف المبكر عن سرطان الثدي الذي يعد ثاني أسباب الوفاة عند النساء في العالم في تحسين فرص الشفاء. يسمح التصوير بالأمواج فوق الصوتية لاختصاصي الأشعة التمييز مبدئياً بين أشكال الكتل و اعتماداً على هذا التقييم تؤخذ الخزعات. صمم في هذا البحث نظام كش
ف بمساعدة الحاسوب لتحديد حافات الكتل في صور الأمواج فوق الصوتية باستخدام طريقة مجموعة السويات. يتضمن هذا النظام إزالة الضجيج من صور الأمواج فوق الصوتية للثدي باستخدام مرشح وسطي لا محلي له القدرة على إزالة الضجيج النقطي مع المحافظة على معلومات الصورة، و من خلال واجهة التعامل مع المستخدم تحذد الحافات مبدئياً لتقوم بعدها طريقة مجموعة السويات بتحديد حافات الكتل.
أعطت هذه الطريقة نتائج جيدة عند إجراء مقارنة بين الحافات المحددة بالبرنامج و الحافات التي رسمها اختصاصي الأشعة ليصل التطابق لنسبة 96 %. هذه النتائج الجيدة تفتح الأبواب أمام بحوث مستقبلية للوصول إلى إمكانية تطبيق هذا النظام ضمن العيادات و المراكز الطبية.
يشير حدوث التكلسات في الثدي إلى احتمال مرض سرطان الثدي عند المرأة. فـي صـورة
الماموغرام، تختلف التكلسات الخبيثة عادةً عن التكلسات السليمة من حيث الشكل و كيفية
التوزع. يهدف هذا البحث إلى تطوير طريقة من أجل التمييز الآلي بين التكلسات الخبيثـة و
التك
لسات السليمة في صور الثدي الشعاعية المرقمنة. انتخبـت عشـرة قياسـات مختلفـة
لتحقيق الهدف من هذا البحث. نُفّذت هذه القياسات على جميع التكلسات فـي ١٦ صـورة
جزئية من ١٦ ماموغراماً. اعتُمدت طريقة جديدة لتحليل النتـائج إِذْ يـتم حسـاب القيمـة
المتوسطة لأكبر ثلاث نتائج في كل قياس من القياسات المختلفة عوضاً عن اعتماد النتـائج
على كل تكلس بشكل منفرد. أظهرت النتائج أن ثلاثة مقاييس فقط يمكن استخدامها للتمييـز
الآلي بين التكلسات الخبيثة و التكلسات السليمة. هذه المقاييس هي مقياس محيط التكلس و
مقياس الدائرية و مقياس طول التكلس. أعطت الطريقة الجديدة نتائج يمكن الاعتماد عليهـا
من أجل التمييز الآلي بين آفات التكلسات الخبيثة و السليمة.
سرطان الثدي هو من الأمراض السرطانية الأكثر انتشاراً بين النساء. و تشخيصه في مرحلة مبكرة تتيح إمكانية علاج المرض بشكل أكثر فعالية. و تعد التكلسات أحد أهم العلامات للكشف عن السرطان بمرحلة مبكرة. و التصوير الشعاعي للثدي (الماموغرام) هو الأسلوب الأمثل و
المتبع للكشف عن آفات الثدي باستخدام جرعات منخفضة من الأشعة. و قد أثبتت الدراسات أن حساسية الماموغرام قابلة للتحسن بين 15% و 30% بالاعتماد على أنظمة التشخيص بمساعدة الحاسب (CAD (Computer Auto-Detection، و التي تعد بمنزلة قارئ ثانٍ لتنبيه الطبيب إلى مناطق قد يغفل عنها. تلخص هذه المقالة الخوارزميات المختلفة التي نُشرت مؤخراً للكشف عن التكلسات الميكروية و تقارن أداءها. و تناقش أسباب ضرورة اعتماد قاعدة بيانات عامة معيارية لاختبار أداء أنظمة الكشف بمساعدة الحاسب CAD و الدوافع لزيادة كفاءة مختلف أنظمة CAD في المجال التشخيص السريري.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
