بهبود کیفیت تصاویر پزشکی با استفاده از یادگیری عمیق

چکیده مقاله

بهبود کیفیت تصاویر پزشکی، نقش حیاتی در تشخیص دقیق و تسهیل فرآیند درمان ایفا می کند تصاویر پزشکی، شامل MRI، CT، اشعه ایکس و اولتراسونوگرافی، به دلیل محدودیت های فنی تجهیزات و نویزهای محیطی، اغلب با کیفیت پایین تولید می شوند که ممکن است منجر به تشخیص نادرست و کاهش اثربخشی درمان شود روش های سنتی بهبود تصویر غالبا در حفظ جزئیات ساختاری پیچیده پزشکی ناکارآمدند یادگیری عمیق، به واسطه شبکه های عصبی کانولوشنی، شبکه های مولد تخاصمی GAN و ترنسفورمرها، توانسته است عملکردی بی سابقه در ارتقای وضوح، حذف نویز و بازسازی جزئیات تصاویر پزشکی ارائه دهد در این مقاله، مرور جامعی بر روش های یادگیری عمیق در حوزه بهبود کیفیت تصاویر پزشکی صورت گرفته و کاربردهای آنها در افزایش دقت تشخیص و بهبود کیفیت تصویربرداری بررسی می شود نتایج نشان می دهد که این روش ها به طور قابل توجهی شاخص های PSNR، SSIM و همچنین معیارهای تشخیصی پزشکی را بهبود می بخشند

کلیدواژه‌ها

نویسندگان

مهران چگینی

دانشکده برق، رایانه، فناوری اطلاعات، دانشگاه ازاد اسلامی واحد قزوین، ایران

بهناز ملکی علویان

دانشکده برق، رایانه، فناوری اطلاعات، دانشگاه ازاد اسلامی واحد قزوین، ایران

چگینی، مهران و ملکی علویان، بهناز،1404،بهبود کیفیت تصاویر پزشکی با استفاده از یادگیری عمیق،بیستمین کنفرانس بین المللی بهداشت، درمان و ارتقای سلامت

ارائه‌شده در

مجموعه مقالات بیستمین کنفرانس بین المللی بهداشت، درمان و ارتقای سلامت24 مرداد 1404