فایل ورد کامل یک مرور بر روی یادگیری عمیق در تحلیل تصویر پزشکی

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 یک مرور بر روی یادگیری عمیق در تحلیل تصویر پزشکی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۸۱ صفحه

الگوریتم های یادگیری عمیق، به ویژه در شبکه های حلقه ای، به سرعت درحال تبدیل شدن به یک روش انتخاب برای تحلیل تصاویر پزشکی هستند. این مقاله مفاهیم اصلی یادگیری عمیق مربوط به تحلیل تصویر پزشکی را بررسی کرده و بیش از ۳۰۰ کار سهیم در این رشته را که اکثر آنها در سال گذشته ظهور یافته اند خلاصه می کند. ما استفاده از یادگیری عمیق را برای دسته بندی تصویر، تشخیص عضو، بخش بندی، ثبت، و سایر کارها بررسی می کنیم. مرورهای اجمالی روی مطالعات موجود در هر حوزه کاربردی مثل عصب، شبکیه، ریه، آسیب شناسی دیجیتال، سینه، قلبی، شکمی و عضلانی ارائه می شود. ما این مقاله را با ارائه خلاصه ای از جدیدترین فناوری ها، یک بحث اساسی روی چالش های باز و مسیرهایی برای تحقیقات آتی به پایان می رسانیم.

کلیدواژه ها: یادگیری عمیق | شبکه های عصبی حلقه ای | تصویربرداری پزشکی | مرور

عنوان انگلیسی:

A Survey on Deep Learning in Medical Image Analysis

~~en~~ writers :

Geert Litjens, Thijs Kooi, Babak Ehteshami Bejnordi, Arnaud Arindra Adiyoso Setio, Francesco Ciompi, Mohsen Ghafoorian, Jeroen A:W:M: van der Laak, Bram van Ginneken, Clara I: Sanchez

Deep learning algorithms, in particular convolutional networks, have rapidly become a methodology of choice for
analyzing medical images. This paper reviews the major deep learning concepts pertinent to medical image analysis
and summarizes over 300 contributions to the field, most of which appeared in the last year. We survey the use of
deep learning for image classification, object detection, segmentation, registration, and other tasks. Concise overviews
are provided of studies per application area: neuro, retinal, pulmonary, digital pathology, breast, cardiac, abdominal,
musculoskeletal. We end with a summary of the current state-of-the-art, a critical discussion of open challenges and
directions for future research.

Keywords: deep learning | convolutional neural networks | medical imaging | survey

$$en!!