شبكة التعليم العميق المثلى لتصنيف التصوير بالأشعة السينية للعضلات الهيكلية لنظام السجلات الطبية بالمستشفى

الملخص

أرشفة الصور الطبية هي أحد المكونات الأساسية لأي نظام للسجلات الطبية بالمستشفى .(HMRS) وهي تشمل ، على سبيل المثال ، التصوير بالرنين المغناطيسي ، والأشعة المقطعية ، والأشعة السينية ، والموجات فوق الصوتية ، والأشعة السينية للعضلات الهيكلية وما إلى ذلك. تعد صور الأشعة السينية للعضلات الهيكلية ذات أهمية نسبية من حيث العدد بين الأنواع الأخرى من التصوير الطبي. تستخدم معظم نظام السجلات الطبية الموجودة بالمستشفى إما بالتعليق التوضيحي اليدوي للصور أو تستخدم البيانات الوصفية لكل صورة للأرشفة. وجد هذا النهج على انه ناقصاً بسبب العمل اليدوي المكثف ، وفرص سوء التصنيف ، والاعتماد التام على الخبرة البشرية. علاوة على ذلك ، من الصعب نسبيًا معالجة أرشفة الصور وملفات التعريف الخاصة بها.
المنهجية : يمكن معالجة هذه المشكلة من خلال الحل المختلط لرؤية الكمبيوتر والتعلم العميق. في الأدبيات الحديثة ، اقترح الباحثون استخدام خوارزميات التعلم الآلي وخوارزميات التعلم العميق لتصنيف الصور الطبية الحيوية وأرشفتها. ومع ذلك ، وجد أن الأدبيات ناقصة للتوصية بشبكة تعلم عميق موحدة لتصنيف صور السينية للعضلات الهيكلية بدقة وكفاءة أكبر. تعتبر مجموعة بيانات LERA واحدة من مجموعة بيانات صور الأشعة السينية للعضلات الهيكلية المعيارية.
النتائج على حد علمي ، لا يزال البحث عن أفضل مرشح للشبكة العصبية العميقة مفقودا في الأدبيات ، وستقدم هذه الدراسة الأساس المنطقي والتجريبي للتوصية بشبكة التعلم العميق المثلى لتصنيف التصوير بالأشعة السينية لنظام السجلات الطبية بالمستشفى باستخدام مجموعة بيانات LERA (الصور الإشعاعية للعضلات الهيكلية). تم الاستنتاج أن المتغيرات من Resent و Google Net و Dark Net هي المرشح المقترح لتصنيف صور الأشعة السينية. LEAR