نماذج الانتشار الكامن التوليدية المعدلة لتحليل الأمراض الدقيقة بدقة في صور أشعة الصدر

الملخص: تؤثر الأمراض التنفسية تأثيرًا كبيرًا على مستوى العالم، وتقييم هذه الحالات أمر ضروري لتحسين نتائج المرضى. تُستخدم أشعة الصدر على نطاق واسع للتشخيص، لكن التقييم الخبير قد يكون صعبًا. يمكن أن توفر طرق التشخيص الآلي المعتمدة على الكمبيوتر الدعم للأطباء في هذه المهام. ظهرت التعلم العميق كمجموعة من الخوارزميات ذات الإمكانيات الاستثنائية في مثل هذه المهام. ومع ذلك، تتطلب هذه الخوارزميات كمية هائلة من البيانات، التي غالبًا ما تكون نادرة في مجالات التصوير الطبي. في هذا العمل، تم اقتراح منهجية جديدة لت Augment البيانات استنادًا إلى نماذج الانتشار الكامن التوليدية المعدلة لتحسين أداء الفحص المرضي التلقائي في سيناريوهين عاليي التأثير: السل والعقيدات الرئوية. تم تقييم المنهجية باستخدام ثلاثة مجموعات بيانات متاحة للجمهور، تمثل بيئات العالم الحقيقي. أظهرت دراسة الإزالة أفضل تكوين لنموذج توليد الصور من حيث عدد خطوات التدريب. تُظهر النتائج أن مجموعة الصور المولدة الجديدة يمكن أن تُحسن من أداء فحص هاتين المرضتين ذواتي الصلة العالية، حيث حققت دقة 97.09%، و92.14% في كل مجموعة بيانات من فحص السل، و82.19% في العقيدات الرئوية. يُحسن الاقتراح بشكل ملحوظ على طرق توليد الصور السابقة لزيادة البيانات، مما يبرز أهمية المساهمة في هذه التحديات الصحية العامة الحرجة. الملخص الرسومي.