|
Title
|
تشخيص نوع التهاب با استفاده تصاوير موبايل
|
|
Type
|
Thesis
|
|
Keywords
|
يادگيري ماشين، يادگيري عميق، تصاوير پزشكي
|
|
Abstract
|
التهاب گلو يكي از عارضه هاي رايج در سيستم تنفسي است كه ممكن است ناشي از عفونت هاي ويروسي يا باكتريايي باشد. اين عارضه با علائمي مانند گلودرد، قرمزي و تورم همراه است و مي تواند به شدت بر كيفيت زندگي افراد تأثير بگذارد. با توجه به شباهت علائم انواع مختلف التهاب گلو، تشخيص صحيح و سريع نوع عفونت اهميت زيادي دارد، چراكه تشخيص نادرست مي تواند منجر به درمان نامناسب و پيامدهاي جدي تري شود.
هدف اين پژوهش بر آن است تا با بهره گيري از فناوري تصويربرداري موبايل و الگوريتم هاي يادگيري ماشين، مدلي كارآمد براي تشخيص خودكار نوع التهاب گلو ارائه دهد. هدف اصلي اين تحقيق، شناسايي دقيق و تفكيك التهاب هاي گلو به دو نوع ويروسي و باكتريايي است، چراكه روش هاي سنتي نيازمند معاينات حضوري و انجام آزمايش هاي تشخيصي هزينه بر و زمان بر هستند.
براي بهبود دقت و سرعت تشخيص، از روش هاي پردازش تصوير و يادگيري عميق استفاده شده است. اين پژوهش از مجموعه داده هاي PGUPharyngitis، شامل 900 تصوير با كيفيت بالا از گلوهاي افراد مبتلا به التهاب، بهره مي گيرد. اين تصاوير با استفاده از تلفن هاي همراه ثبت شده و سپس توسط مدل هاي شبكه عصبي و تكنيك هاي پيشرفته يادگيري ماشين تحليل و دسته بندي شده اند.
يافته ها نشان مي دهند كه الگوريتم هاي يادگيري عميق و پردازش تصوير مي توانند در تشخيص و دسته بندي انواع التهاب گلو مؤثر عمل كنند و نتايج دقيقي ارائه دهند. همچنين، استفاده از تصاوير موبايل به عنوان يك ابزار تشخيصي، مزايايي چون سرعت بالا و كاهش نياز به آزمايش هاي تهاجمي را به همراه دارد.
اين پژوهش بر كاربرد نوآورانه تصاوير موبايل در تشخيص التهابات گلو تأكيد دارد. نتايج حاكي از آن است كه تركيب فناوري موبايل و يادگيري ماشين مي تواند به ارائه روشي كارآمدتر براي تشخيص بيماري ها و بهبود كيفيت مراقبت هاي درماني در اين حوزه كمك كند.
|
|
Researchers
|
negar shojaei (Student) , Habib Rostami (First primary advisor)
|