هر روز یک مقاله، شنبه ۱۸ مهر ۱۴۰۵

عنوان: A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification
خلاصه: در این پژوهش یک روش مبتنی بر یادگیری عمیق برای تشخیص افتراقی سرطان مثانه مهاجم به عضله از نوع غیر مهاجم به عضله از روی تصاویر ام آر آی T2 پیشنهاد شد. روش های ارایه شده قبلی از این قضیه که داده های مورد استفاده در آموزش مدل از مراکز مختلف جمع آوری می شوند و در نتیجه تفاوت زیادی بین توزیع داده های آموزشی و ارزیابی وجود دارند، رنج می برند. روش ارایه شده تلاش می کند تا با استفاده از تکنیک تطبیق دامنه تفاوت توزیع بین منابع مختلف داده های آموزشی را کم و در نتیجه کارایی تشخیص افتراقی را بالا تر ببرد. برای توسعه این روش، اسکن ۲۷۹ بیمار از چهار مرکز مختلف مورد استفاده قرار گرفت. تصویر برداری در این مراکز در شرایط کاملا متفاوت انجام گرفت. روش پیشنهاد شده دو ماژول اصلی دارد: ماژول اول برای یادگیری ویژگی های افتراقی مشترک بین دادههای آموزشی و داده های ارزیابی و ماژول دوم برای نزدیک تر نمودن ویژگی های استخراج شده در طبقات یکسان و دور نمودن ویژگی های استخراج شده در طبقات متفاوت با استفاده از یادگیری مقابله ای. نتایج حاصل از ارزیابی روش پیشنهاد شده نشان داد که کارایی آن با سطح زیر منحنی راک ۰.۹۹ بالاتر از دیگر روش ها بوده که از تطبیق دامنه استفاده نمی کردند.

https://www.nature.com/articles/s41746-026-02499-4