این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۰، شماره ۳، صفحات ۱-۲۹
عنوان فارسی بررسی روشهای خودکار تفسیر تصاویر پزشکی بر پایه یادگیری عمیق
چکیده فارسی مقاله تفسیرخودکار تصاویر، زمینه جدیدی از هوش مصنوعی است که دو شاخه پردازش زبان‌ طبیعی و یادگیری ماشین را به خدمت می‌گیرد. تحقیقاتی که در سالهای اخیر بر روی این مقوله انجام‌ شده و نتایج قابل قبولی که در این زمینه حاصل شده‌است از یک طرف و نیاز جامعه پزشکی به تفسیرخودکار تصاویر پزشکی از طرف دیگر، محققان را بر آن داشته تا این رویکرد را در این زمینه نیز به‌ کار گیرند. تفسیر خودکار تصاویر پزشکی نسبت به مسأله توصیف خودکار تصاویر طبیعی، چالش برانگیزتر می‌باشد.کمیت و کیفیت مجموعه‌داده‌های موجود در این مقوله نسبت به مجموعه‌داده‌های تفسیر تصاویر طبیعی کمتر است، تفسیرها غیرساختار‌یافته‌اند و تفسیر تصاویر طبیعی، شامل توصیف اشیاء و روابط بین آنها با یک یا چند جمله است درحالی‌که شرح تصاویر پزشکی شامل درک یافته‌های بالینی و ارائه یک گزارش دقیق از پاراگراف‌های مختلف است؛ تا فقط آنچه از نظر بالینی مهم است به جای آنچه در تصویر از نظر اشیاء وجود دارد برجسته گردد. در راستای رسیدن به نتایج مطلوب روش‌های متعددی پیشنهاد شده‌است که در این بین روش‌های مبتنی‌ بر یادگیری ‌عمیق، به نتایج بهتری دست یافته‌است. این مقاله به معرفی مجموعه‌داده‌ها، معیارهای ‌ارزیابی و روشهای توسعه‌یافته بر پایه یادگیری‌ عمیق در زمینه تفسیرخودکار تصاویر پزشکی می‌پردازد تا کمکی در راستای درک ادبیات موجود و برجسته نمودن مسیرهای آینده در این زمینه باشد.
کلیدواژه‌های فارسی مقاله تفسیر تصاویر پزشکی، تفسیر تصاویر، شبکه عصبی کانولوشن، شبکه‌ عصبی بازگشتی، مکانیزم توجه،
عنوان انگلیسی The current state of automatic medical image captioning using deep learning
چکیده انگلیسی مقاله Image captioning is a new field of artificial intelligence which uses both natural language processing and machine learning methods. Recently, several researches conducted on Image captioning have led to the acceptable results in this field. Moreover, the need of the medical community for automatic interpretation of medical images, prompted researchers to apply this approach in the field of automatic interpretation of medical images. The medical images captioning is more challenging than the problem of image description because medical images are mostly gray and accompanied by noise, the existing data sets have significantly few samples; On the other hand, the provided interpretations are not structured and have variable lengths. In order to achieve the desired results, many algorithms have been proposed, among which methods based on deep learning have achieved proper results. This article introduces datasets, evaluation criteria and methods developed based on deep learning in the field of automatic interpretation of medical images in order to help understand the existing literature and highlight future directions in this field.
کلیدواژه‌های انگلیسی مقاله تفسیر تصاویر پزشکی, تفسیر تصاویر, شبکه عصبی کانولوشن, شبکه‌ عصبی بازگشتی, مکانیزم توجه
نویسندگان مقاله حسنیه ذوالفقاری |
دانشجوی دکترای هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

مریم رستگارپور |
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد ساوه

محمد تشنه‌لب |
گروه مهندسی برق و کنترل، دانشکده فنی مهندسی دانشگاه خواجه نصیر طوسی، تهران

عباس کوچاری |
دانشکده مکانیک‌، برق‌وکامپیوتر، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

علیرضا احسانبخش |
گروه تکنولوژی رادیولوژی، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_170945_4e1ed4cec0177d637155c83f07617b05.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات