فایل ورد کامل رده بندی و توسعه ابزار برای بیماری های قلبی (تصاویر MRI) با استفاده از یادگیری ماشین

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل رده بندی و توسعه ابزار برای بیماری های قلبی (تصاویر MRI) با استفاده از یادگیری ماشین،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۰ صفحه

چکیده

بیماری های قلبی یکی از مهم ترین عوامل مرگ و میر در جهان هستند. شناسایی سریع و اولیه ی بیماری های قلبی مانند هیپوکینزی میتواند موجب کاهش بار جهانی بیماری های قلبی و عروقی شود. روش های محاسباتی این پتانسیل را دارند تا بیماری را در مراحل اولیه به صورت خودکار پیش بینی کرده و به خصوص در کشور هایی که منابع محدودی را در اختیار دارند، این روش میتواند بسیار مفید باشد. روش های محاسباتی برای پیش بینی سراسری هیپوکینزی مبتنی بر موارد تاییدی هیپوکینزی سراسری از طریق MRI ، توسعه پیدا کرده است. تقریبا تمام استخراج ویژگی ها برای تصویر های MRI مورد استفاده قرار گرفته و این مدل بر روی تصویر های ترکیبی و مختلف، به صورت مجزا اعمال شده است. تست های مدل مستقل و صحت بالا ، روش های مورد استفاده ی مار را توجیه کرده و قابلیت اعتماد روش را نشان میدهد. این روش های توسعه یافته ی جدید، بر روی زبان پیتون نوشته شده است و برای کاربرد های متن باز، فراهم شده است.

۵- جمع بندی

هیپکنزی سراسری یک مسئله ی سلامتی مهم در سراسر جهان میباشد که منجر به مشکلات مختلف دیگری برای حمله های قلبی میشود. این حقیقت که بعضی از افراد بررسی شده این فرصت را نداشته اند که در این پیش گیری ها شرکت کنند، باید در نظر گرفته شود. تست های مختلف MRI وجود دارد که برای این تصویر های MRI مورد استفاده قرار میگیرد. با در نظر داشتن اهمیت بیماری های قلبی، تکنیک های محاسباتی مختلف برای پیش بینی تست های تصاویر و مشکلات موجود در نظر گرفته میشود. این تست های تصویر برداری مبتنی بر یادگیری ماشین میباشد. جمع آوری داده ها از بیمارستان ها به دست می آید. ۳۰ بیمار در هر دسته وجود دارد که در نظر گرفته شده است. با در نظر گرفتن ۹۰۰ تا ۱۲۰۰ Dicom، این تصویر ها را نمیتوان به صورت مستقیم برای یادگیری ماشین استفاده کرد به همین دلیل CellProfiler برای استخراج ویژگی مورد استفاده قرار میگیرد. در مطالعه ی نشان داده شده ، Cp-Charm برای بررسی تصویر های MRI مورد استفاده قرار میگیرد و صحت این مدل مطابق با ۸۰ تا ۸۵% از ۲۵ مجموعه داده و ۹۷% با ادغام تصویر های MRI مورد استفاده قرار میگیرد. باید به این نکته اشاره کرد که تا کنون پیش بینی برای بیماری های قلبی وجود نداشته است. این روش با استفاده از زبان برنامه نویسی پیتون انجام شده است که به صورت سراسری در دسترس میباشد.

عنوان انگلیسی:Classification and development of tool for heart diseases (MRI images) using machine learning~~en~~

Abstract

Heart diseases are one of the major killers worldwide. Early detection of heart disease such as Global Hypokinesia can reduce this global burden. Computational method has potential to predict disease in early stages automatically and especially helpful in resources limited countries. Computational method to predict global hypokinesia based on confirms cases of global hypokinesia through MRI was developed. Almost all feature extraction method was used on MRI images and model was generated on merged and different images separately. High accuracy of model independent test set justified our approaches and reliability of model. The newly developed was implemented in python and available for open use.

$$en!!