التحليل القائم على التعلم العميق للإشارات والصور الطبية الحيوية

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.