System przewidywania i analizy chorób nowotworowych z wykorzystaniem DL Algo

Dok?adne przewidywanie i analiza chorób nowotworowych odgrywa kluczow? rol? w poprawie wyników pacjentów i planowaniu leczenia. W niniejszej rozprawie doktorskiej opracowano model przewidywania i analizy raka przy u?yciu algorytmów g??bokiego uczenia w szczególno?ci sztucznych sieci neuronowych (ANN) i konwolucyjnych sieci neuronowych (CNN) z wykorzystaniem obrazów PET/CT. System ma na celu zwi?kszenie dok?adno?ci i skuteczno?ci diagnozy raka oraz zapewnia cenne informacje do podejmowania decyzji dotycz?cych leczenia. System wykorzystuje moc modeli g??bokiego uczenia si? o których wiadomo ?e dostarczaj? cennych informacji na temat metabolizmu raka i struktur anatomicznych. Trenuj?c modele CNN na du?ym zbiorze danych obrazów PET/CT z adnotacjami system mo?e nauczy? si? rozpoznawa? wzorce i cechy wskazuj?ce na regiony nowotworowe. Aby oceni? dok?adno?? systemu zastosowano wska?niki wydajno?ci takie jak Intersection over Union (IoU) i F-measure. IoU mierzy nak?adanie si? przewidywanych regionów nowotworowych i adnotacji prawdy naziemnej podczas gdy miara F ocenia równowag? mi?dzy precyzj? i wycofaniem przewidywa?. Wska?niki te zapewniaj? ilo?ciowe miary wydajno?ci systemu.