🆕 مفتخریم که یکی از مقاله‌های جدیدمون‌ که به‌تازگی در ژورنال معتبر Journal of Neurosurgery: Spine منتشر شده، که یکی از ژورنال‌های شناخته‌شده و تأثیرگذار در حوزه جراحی مغز و اعصاب و ستون فقرات هست، رو باهاتون به اشتراک بزاریم

“A Novel Interpretable Classification of Lumbar Spinal Stenosis Using a Cascade Deep Learning Approach and T2-Weighted MRI”

🔗 لینک مقاله

🔗 لینک دیتاست

🎯 در این پژوهش، یک مدل یادگیری عمیق به‌صورت cascade طراحی کردیم که قادر است تنگی کانال نخاعی کمری را از روی تصاویر MRI نوع T2 طبقه‌بندی کند. علاوه بر دقت بالا، تمرکز اصلی ما بر قابل‌تفسیر بودن مدل بوده تا استفاده از آن در کاربردهای بالینی قابل اعتمادتر باشد.

⚠️ یکی از نکات بسیار مهم در این حوزه، انتشار کد و دیتاست است. در یادگیری ماشین پزشکی، صرف داشتن یک مدل قوی کافی نیست؛ بلکه قابلیت بازتولیدپذیری (reproducibility) و دسترسی جامعه پژوهشی به داده‌ها نقش کلیدی در پیشرفت واقعی علم دارد. به همین دلیل، انتشار دیتاست و کد در این حوزه از اهمیت بالایی برخوردار است و می‌تواند مسیر تحقیقات آینده را هموارتر کند.

🚀 از طرف دیگر، باید تأکید کنم که جمع‌آوری یک دیتاست قابل انتشار کار بسیار زمان‌بر، حساس و دشواری است. از مراحل اولیه جمع‌آوری داده‌های بالینی، رعایت استانداردهای اخلاقی، پاک‌سازی داده‌ها و برچسب‌گذاری دقیق، تا آماده‌سازی نهایی برای انتشار، همه این مراحل نیازمند دقت و تلاش قابل توجهی هستند. به همین دلیل، دیتاست‌های قابل انتشار در حوزه پزشکی ارزش بسیار بالایی دارند و نقش مهمی در توسعه مدل‌های قابل اعتماد ایفا می‌کنند.

📌 در همین راستا، دیتاست استفاده‌شده در این مطالعه را به‌صورت عمومی منتشر کرده‌ایم تا سایر پژوهشگران بتوانند از آن استفاده کرده و تحقیقات خود را توسعه دهند.

این کار در راستای علاقه‌مندی ما به ترکیب روش‌های پیشرفته یادگیری عمیق با کاربردهای واقعی در حوزه پزشکی، به‌ویژه تصویربرداری پزشکی، انجام شده است.

از همه همکاران و هم‌نویسندگان عزیز بابت همکاری ارزشمندشون صمیمانه سپاسگزاریم 🌷

———

NeurAItex Research Center (Neuro AI technologies & Innovations )🧠

📱neuraitex
📱neuraitex
📱neuraitex
📱neuraitex
📱neuraitex