أصبحت التطبيقات القائمة على التعلم العميق أكثر شيوعًا في العلاجات السريرية. ومع ذلك ، فإن مثل هذه الأساليب تُستخدم دائمًا كنماذج “الصندوق الأسود” ، مما يجعل من الصعب تفسير سبب إنتاج المصنف(classificator) نتيجة معينة. يمكن للنماذج الشاملة أن تخفف من هذه المشكلة عن طريق السماح بتفسير النتائج باستخدام تقنيات التصوير المخصصة.
في الحقيقة ، يمكن أن تساعد بعض مشاريع الأطروحات حول هذا الموضوع في إنشاء نهج جديد قائم على التعلم العميق للتشخيص الطبي في سيناريوهات سريرية مختلفة ، وتحسين المنهجيات الحالية وإنشاء نماذج شاملة
في هذا الصدد، تتوفر أطروحات في أربعة مجالات تطبيقية:
- الرجفان الأذيني (مع معالجة إشارة ECG)
- معالجة مخططات صوت القلب
- الكشف عن الأنسجة في سرطان الرئة (بالأشعة المقطعية)
- الكشف عن استسقاء الدماغ السوي (من فحوصات التصوير بالرنين المغناطيسي)
سيتعين على المترشح دراسة مجلات تطبيقات التعلم العميق في هذه السيناريوهات وتنفيذ نماذج التصنيف من أجل إجراء التجارب و المقاربات.
ستعقد الأطروحة في قسم هندسة المعلومات في جامعة بوليتكنيك دلي ماركي.
الأدوات والتقنيات: Keras و TensorFlow و Google Colab و Python وما شابه ذلك.