التشخيص بمساعدة الحاسوب

الكشف بمساعدة الحاسوب ( CADe )، أو التشخيص بمساعدة الحاسوب ( CADx )، هي أنظمة تساعد الأطباء في تفسير الصور الطبية . توفر تقنيات التصوير في الأشعة السينية ، والتصوير بالرنين المغناطيسي ، والتنظير الداخلي ، والتصوير بالموجات فوق الصوتية ، كمًا هائلاً من المعلومات التي يتعين على أخصائي الأشعة أو غيره من المتخصصين الطبيين تحليلها وتقييمها بشكل شامل في وقت قصير. تعالج أنظمة الكشف بمساعدة الحاسوب الصور الرقمية أو مقاطع الفيديو لتحديد السمات المميزة وإبراز الأجزاء البارزة، مثل الأمراض المحتملة، وذلك لتقديم معلومات تدعم القرار الذي يتخذه الطبيب.

يتمتع نظام التصميم بمساعدة الحاسوب (CAD) بإمكانيات مستقبلية واعدة في علم الأمراض الرقمي ، وذلك بفضل ظهور تقنيات تصوير الشرائح الكاملة وخوارزميات التعلم الآلي . وحتى الآن، اقتصر استخدامه على قياس التلوين المناعي، ولكنه قيد الدراسة أيضاً لتطبيقه على صبغة الهيماتوكسيلين والإيوسين (H&E) القياسية . ^{[ 1 ]}

يُعدّ نظام التشخيص بمساعدة الحاسوب (CAD) تقنية متعددة التخصصات تجمع بين عناصر الذكاء الاصطناعي ورؤية الحاسوب ومعالجة الصور الإشعاعية والباثولوجية . ومن تطبيقاته الشائعة الكشف عن الأورام. فعلى سبيل المثال، تستخدم بعض المستشفيات نظام التشخيص بمساعدة الحاسوب لدعم الفحوصات الطبية الوقائية في تصوير الثدي بالأشعة (تشخيص سرطان الثدي)، والكشف عن الأورام الحميدة في تنظير القولون ، وسرطان الرئة .

تقتصر أنظمة الكشف بمساعدة الحاسوب (CADe) عادةً على تحديد البنى والمقاطع البارزة. أما أنظمة التشخيص بمساعدة الحاسوب (CADx) فتقيّم هذه البنى. فعلى سبيل المثال، في تصوير الثدي الشعاعي، تُبرز أنظمة الكشف بمساعدة الحاسوب تجمعات التكلسات الدقيقة والبنى عالية الكثافة في الأنسجة الرخوة، مما يسمح لأخصائي الأشعة باستخلاص استنتاجات حول حالة المرض. ومن التطبيقات الأخرى نظام CADq، الذي يُحدد كميًا، على سبيل المثال ، حجم الورم أو سلوكه عند امتصاص مادة التباين. يُعد الفرز البسيط بمساعدة الحاسوب (CAST) نوعًا آخر من أنظمة الكشف بمساعدة الحاسوب، حيث يُجري تفسيرًا أوليًا وتصنيفًا تلقائيًا بالكامل للدراسات إلى فئات ذات دلالة ( مثل سلبية وإيجابية). يُعد نظام CAST مناسبًا بشكل خاص في التصوير التشخيصي الطارئ، حيث يتطلب الأمر تشخيصًا سريعًا للحالات الحرجة والمهددة للحياة.

على الرغم من استخدام أنظمة التشخيص بمساعدة الحاسوب (CAD) في البيئات السريرية لأكثر من 40 عامًا، إلا أنها لا تحل عادةً محل الطبيب أو غيره من المتخصصين، بل تلعب دورًا داعمًا. ويتحمل المتخصص (عادةً أخصائي الأشعة) المسؤولية الكاملة عن التفسير النهائي للصورة الطبية. ^{[ 2 ]} ومع ذلك، يهدف بعض أنظمة التشخيص بمساعدة الحاسوب إلى الكشف المبكر عن علامات الشذوذ لدى المرضى التي يعجز المتخصصون عن رصدها، كما في اعتلال الشبكية السكري ، والتشوه المعماري في صور الثدي الشعاعية، ^{[ 3 ]}^{[ 4 ]} والعقيدات الزجاجية في التصوير المقطعي المحوسب للصدر، ^{[ 5 ]}^{[ 6 ]} والآفات غير السليلة ("المسطحة") في تصوير القولون المقطعي المحوسب. ^{[ 7 ]}

تاريخ

في أواخر خمسينيات القرن العشرين، ومع بزوغ فجر الحواسيب الحديثة، بدأ الباحثون في مختلف المجالات باستكشاف إمكانية بناء أنظمة تشخيص طبي بمساعدة الحاسوب (CAD). ^{[ 8 ]} استخدمت هذه الأنظمة الأولى مخططات التدفق، ومطابقة الأنماط الإحصائية، ونظرية الاحتمالات، أو قواعد المعرفة لتوجيه عملية اتخاذ القرار. ^{[ 9 ]}

في أوائل سبعينيات القرن العشرين، طُوِّرت بعض أنظمة التشخيص بمساعدة الحاسوب (CAD) الأولى في المجال الطبي، والتي كانت تُعرف غالبًا باسم " الأنظمة الخبيرة "، واستُخدمت بشكل أساسي لأغراض تعليمية. ومن الأمثلة على ذلك نظام MYCIN الخبير ^{[ 10 ]} ، ونظام Internist -I الخبير ^{[ 11 ]} ، ونظام CADUCEUS الخبير ^{[ 12 ]} . كما تم ابتكار الروبوتات التشخيصية ، باعتبارها أنظمة تشخيص آلية، القادرة على جمع البيانات اللازمة للتشخيص الطبي من خلال نظامها الفرعي القائم على المعرفة، بالإضافة إلى أدوات مثل إصبع بشري الشكل يعمل بوتر، ومستشعرات شبيهة بالجلد للإدراك اللمسي ^{[ 13 ]}^[¹⁴^] .

كان هدف الباحثين في البداية بناء أنظمة تصميم بمساعدة الحاسوب/أنظمة خبيرة مؤتمتة بالكامل، بتفاؤل مفرط بشأن قدرات الحواسيب. إلا أنه بعد الورقة البحثية الرائدة "الاختزال بين المسائل التوافقية" لريتشارد إم. كارب ، ^{[ 15 ]} اتضح أن تطوير خوارزميات لحل مجموعات من المسائل الحسابية المهمة ينطوي على قيود، إلى جانب الفرص المتاحة. ^{[ 9 ]} واستجابةً للفهم الجديد للقيود الخوارزمية المختلفة التي اكتشفها كارب في أوائل سبعينيات القرن الماضي، بدأ الباحثون يدركون القيود الخطيرة لأنظمة التصميم بمساعدة الحاسوب والأنظمة الخبيرة في الطب، ^{[ 9 ]} مما دفعهم إلى تطوير أنواع جديدة من أنظمة التصميم بمساعدة الحاسوب باستخدام مناهج متقدمة. وهكذا، بحلول أواخر ثمانينيات وأوائل تسعينيات القرن الماضي، تحول التركيز إلى استخدام مناهج استخراج البيانات بهدف استخدام أنظمة تصميم بمساعدة الحاسوب أكثر تطورًا ومرونة. وفي عام 1998، تمت الموافقة على أول نظام تصميم بمساعدة الحاسوب تجاري للتصوير الشعاعي للثدي، وهو نظام ImageChecker، من قِبل إدارة الغذاء والدواء الأمريكية (FDA). في السنوات اللاحقة، حصلت العديد من أنظمة التصميم بمساعدة الحاسوب التجارية لتحليل صور الثدي الشعاعية، والتصوير بالرنين المغناطيسي للثدي، والتصوير الطبي للرئة والقولون والقلب على موافقة إدارة الغذاء والدواء الأمريكية. وأصبحت أنظمة التصميم بمساعدة الحاسوب تُستخدم كأداة مساعدة للأطباء في اتخاذ القرارات الطبية التشخيصية. ^{[ 16 ]}

في فبراير 2013، أعلنت شركة IBM أن أول تطبيق تجاري لنظام واتسون البرمجي سيكون لدعم قرارات إدارة استخدام الموارد في علاج سرطان الرئة في مركز ميموريال سلون كيترينج للسرطان بالتعاون مع شركة ويل بوينت (التي أصبحت الآن جزءًا من شركة أنثيم ). وفي عام 2013، صرّح مانوج ساكسينا، رئيس قسم أعمال واتسون في IBM، بأن 90% من الممرضات العاملات في هذا المجال واللاتي استخدمن واتسون اتبعن إرشاداته. ^{[ 17 ]}^{[ 18 ]}

المنهجية

يعتمد التصميم بمساعدة الحاسوب (CAD) بشكل أساسي على التعرف على الأنماط المعقدة للغاية . يتم فحص صور الأشعة السينية أو أنواع أخرى من الصور بحثًا عن هياكل مشبوهة. عادةً ما يتطلب الأمر بضعة آلاف من الصور لتحسين الخوارزمية. تُنسخ بيانات الصور الرقمية إلى خادم CAD بتنسيق DICOM ، ثم تُجهز وتُحلل على عدة مراحل.

1. المعالجة المسبقة لـ

تقليل التشوهات (الأخطاء في الصور)
تقليل تشويش الصورة
ضبط (توحيد) جودة الصورة (زيادة التباين) لتوضيح الظروف الأساسية المختلفة للصورة، على سبيل المثال معلمات التعريض المختلفة.
تصفية

2. تجزئة لـ

التمييز بين التراكيب المختلفة في الصورة، مثل القلب والرئة والقفص الصدري والأوعية الدموية، والآفات المستديرة المحتملة
المطابقة مع قاعدة البيانات التشريحية
قيم التدرج الرمادي في حجم الاهتمام ^{[ 19 ]}

3. تحليل البنية/منطقة الاهتمام (ROI): يتم تحليل كل منطقة تم اكتشافها بشكل فردي بحثًا عن خصائصها الخاصة:

تماسك
الشكل والحجم والموقع
الإشارة إلى الهياكل القريبة / مناطق الاهتمام
تحليل متوسط قيمة مستوى الرمادي ضمن منطقة الاهتمام
نسبة مستويات الرمادي إلى حدود الهيكل داخل منطقة الاهتمام

4. التقييم / التصنيف: بعد تحليل البنية، يتم تقييم كل منطقة اهتمام على حدة (التسجيل) لتحديد احتمالية كونها نتيجة إيجابية حقيقية. الإجراءات التالية هي أمثلة على خوارزميات التصنيف.

قاعدة أقرب جار (على سبيل المثال k من أقرب الجيران ) ^{[ 20 ]}
مصنف المسافة الدنيا
مصنف متتالي
مصنف بايز الساذج
الشبكة العصبية الاصطناعية ^{[ 21 ]}^{[ 22 ]}^{[ 23 ]}^{[ 24 ]}^{[ 25 ]}
شبكة الدوال الأساسية الشعاعية (RBF)
آلة المتجهات الداعمة (SVM) ^{[ 26 ]}^{[ 27 ]}
تحليل المكونات الرئيسية (PCA)

إذا بلغت البنى المكتشفة مستوى عتبة معينًا، يتم تمييزها في الصورة لأخصائي الأشعة. وبحسب نظام التصميم بمساعدة الحاسوب (CAD)، يمكن حفظ هذه العلامات بشكل دائم أو مؤقت. وتكمن ميزة الحفظ المؤقت في أنه لا يتم حفظ سوى العلامات التي يوافق عليها أخصائي الأشعة. أما العلامات غير الصحيحة فلا ينبغي حفظها، لأن ذلك يُصعّب إجراء الفحص لاحقًا.

العلاقة بمقاييس مقدم الخدمة

الحساسية والنوعية

تسعى أنظمة التشخيص بمساعدة الحاسوب (CAD) إلى تسليط الضوء على التراكيب المشبوهة. لا تستطيع أنظمة CAD الحالية اكتشاف جميع التغيرات المرضية بنسبة 100%. قد تصل نسبة الدقة ( الحساسية ) إلى 90%، وذلك بحسب النظام والتطبيق. ^{[ 28 ]} يُطلق على النتيجة الصحيحة اسم "إيجابية حقيقية" (TP)، بينما يُطلق على التحديد الخاطئ للأجزاء السليمة اسم "إيجابية خاطئة" (FP). كلما قلّت حالات الإيجابية الخاطئة المُشار إليها، زادت الخصوصية . يؤدي انخفاض الخصوصية إلى تقليل قبول نظام CAD، لأن المستخدم سيضطر إلى تحديد جميع هذه النتائج الخاطئة. يمكن تقليل معدل الإيجابية الخاطئة في فحوصات نظرة عامة على الرئة (CAD Chest) إلى حالتين لكل فحص. في أجزاء أخرى ( مثل فحوصات التصوير المقطعي المحوسب للرئة)، قد يصل معدل الإيجابية الخاطئة إلى 25 حالة أو أكثر. في أنظمة CAST، يجب أن يكون معدل الإيجابية الخاطئة منخفضًا للغاية (أقل من حالة واحدة لكل فحص) للسماح بفرز دراسة ذي مغزى .

معدل الكشف المطلق

يُعدّ معدل الكشف المطلق لدى أخصائي الأشعة مقياسًا بديلًا للحساسية والنوعية. وبشكل عام، قد تتباين نتائج التجارب السريرية المتعلقة بالحساسية والنوعية ومعدل الكشف المطلق تباينًا كبيرًا. وتعتمد كل نتيجة دراسة على ظروفها الأساسية، ويجب تقييمها بناءً على هذه الظروف. وتؤثر الحقائق التالية تأثيرًا كبيرًا:

التصميم بأثر رجعي أو تصميم استباقي
جودة الصور المستخدمة
حالة فحص الأشعة السينية
خبرة ومؤهلات أخصائي الأشعة
نوع الآفة
حجم الآفة المدروسة

التحديات

على الرغم من التطورات العديدة التي حققتها برامج التصميم بمساعدة الحاسوب (CAD) منذ ظهور الحواسيب، لا تزال هناك تحديات معينة تواجه أنظمة التصميم بمساعدة الحاسوب اليوم. ^{[ 29 ]}

تتعلق بعض التحديات بقيود خوارزمية متنوعة في إجراءات نظام التشخيص بمساعدة الحاسوب، بما في ذلك جمع بيانات الإدخال، والمعالجة المسبقة، والمعالجة، وتقييم النظام. تُصمم الخوارزميات عمومًا لاختيار تشخيص واحد محتمل، مما يُؤدي إلى نتائج دون المستوى الأمثل للمرضى الذين يعانون من اضطرابات متعددة ومتزامنة. ^{[ 30 ]} اليوم، تأتي بيانات الإدخال لأنظمة التشخيص بمساعدة الحاسوب في الغالب من السجلات الصحية الإلكترونية . يُعد التصميم والتنفيذ والتحليل الفعال للسجلات الصحية الإلكترونية ضرورة أساسية في أي نظام تشخيص بمساعدة الحاسوب. ^{[ 29 ]}

نظراً للكم الهائل من البيانات المتاحة والحاجة إلى تحليلها، تُعدّ البيانات الضخمة أحد أكبر التحديات التي تواجه أنظمة التصميم بمساعدة الحاسوب اليوم. ويُمثّل الكمّ المتزايد باستمرار من بيانات المرضى مشكلةً خطيرة. غالباً ما تكون بيانات المرضى معقدة، وقد تكون شبه مُهيكلة أو غير مُهيكلة . ويتطلّب ذلك أساليب متطورة للغاية لتخزينها واسترجاعها وتحليلها في وقت معقول. ^{[ 29 ]}

خلال مرحلة المعالجة المسبقة، يجب تطبيع بيانات الإدخال. يشمل تطبيع بيانات الإدخال تقليل التشويش والترشيح.

قد تتضمن المعالجة عدة خطوات فرعية حسب التطبيقات. أما الخطوات الفرعية الأساسية الثلاث في التصوير الطبي فهي: التجزئة، واستخلاص/اختيار الميزات ، والتصنيف. تتطلب هذه الخطوات الفرعية تقنيات متقدمة لتحليل بيانات الإدخال في وقت حسابي أقل. على الرغم من الجهود الكبيرة المبذولة لابتكار تقنيات لهذه الإجراءات في أنظمة التصميم بمساعدة الحاسوب (CAD)، لم يظهر حتى الآن أفضل خوارزمية لأي خطوة على حدة. لذا، تُعد الدراسات المستمرة لبناء خوارزميات مبتكرة لجميع جوانب أنظمة التصميم بمساعدة الحاسوب ضرورية. ^{[ 29 ]}

يُعاني نظام التصميم بمساعدة الحاسوب (CAD) أيضًا من نقص في معايير التقييم الموحدة. ^{[ 29 ]} وقد يُعيق هذا الأمر الحصول على موافقة الجهات التنظيمية، مثل إدارة الغذاء والدواء الأمريكية (FDA) ، على استخدامه تجاريًا . علاوة على ذلك، ورغم إثبات العديد من التطورات الإيجابية لأنظمة التصميم بمساعدة الحاسوب، إلا أن الدراسات التي تُؤكد صحة خوارزمياتها في الممارسة السريرية لم تُجرَ بعد. ^{[ 31 ]}

تتضمن التحديات الأخرى صعوبة تبني مقدمي الرعاية الصحية لأنظمة التشخيص بمساعدة الحاسوب (CAD) الجديدة في الممارسة السريرية. وقد تُثني بعض الدراسات السلبية عن استخدام هذه الأنظمة. إضافةً إلى ذلك، قد يؤدي نقص تدريب المتخصصين الصحيين على استخدامها أحيانًا إلى تفسير خاطئ لنتائج النظام. ^{[ أ ]}

التطبيقات

يستخدم نظام التشخيص بمساعدة الحاسوب في تشخيص سرطان الثدي ، وسرطان الرئة ، وسرطان القولون ، وسرطان البروستاتا ، وانتقال السرطان إلى العظام ، ومرض الشريان التاجي ، وعيوب القلب الخلقية، والكشف عن أمراض الدماغ، والكشف عن الكسور، ومرض الزهايمر ، واعتلال الشبكية السكري .

سرطان الثدي

يُستخدم نظام التشخيص بمساعدة الحاسوب (CAD) في تصوير الثدي بالأشعة السينية للكشف المبكر عن سرطان الثدي. ويُستخدم هذا النوع من التصوير للكشف المبكر عن سرطان الثدي. غالبًا ما تُستخدم أنظمة CAD للمساعدة في تصنيف الورم إلى خبيث (سرطاني) أو حميد (غير سرطاني). يُعدّ نظام CAD راسخًا بشكل خاص في الولايات المتحدة وهولندا، ويُستخدم بالإضافة إلى التقييم البشري، الذي يقوم به عادةً أخصائي الأشعة.

طُوِّر أول نظام للكشف بمساعدة الحاسوب (CAD) لتصوير الثدي الشعاعي في مشروع بحثي بجامعة شيكاغو . ويُطرح اليوم تجاريًا من قِبَل شركتي iCAD و Hologic . مع ذلك، ورغم تحقيق أنظمة الكشف بمساعدة الحاسوب حساسية عالية، إلا أنها تميل إلى انخفاض الخصوصية، ولا تزال فوائد استخدامها غير مؤكدة. خلصت مراجعة منهجية نُشرت عام ٢٠٠٨ حول الكشف بمساعدة الحاسوب في تصوير الثدي الشعاعي إلى أن هذه الأنظمة لا تُؤثر بشكل كبير على معدل اكتشاف السرطان، ولكنها تزيد بشكل غير مرغوب فيه من معدل الاستدعاء ( أي معدل النتائج الإيجابية الكاذبة). ومع ذلك، أشارت المراجعة إلى تباين كبير في تأثيرها على معدل الاستدعاء بين الدراسات. ^{[ ٣٢ ]}

أتاحت التطورات الحديثة في مجال التعلم الآلي والتعلم العميق وتقنيات الذكاء الاصطناعي تطوير أنظمة التشخيص بمساعدة الحاسوب (CAD) التي أثبتت فعاليتها سريريًا في مساعدة أخصائيي الأشعة على مواجهة تحديات قراءة صور الماموجرام من خلال تحسين معدلات الكشف عن السرطان وتقليل النتائج الإيجابية الخاطئة واستدعاء المرضى غير الضروري، مع تقليل أوقات القراءة بشكل كبير. ^{[ 33 ]}

توجد أيضاً إجراءات لتقييم التصوير الشعاعي للثدي بناءً على التصوير بالرنين المغناطيسي (MRI).

سرطان الرئة (سرطان القصبات الهوائية)

في تشخيص سرطان الرئة، يُعتبر التصوير المقطعي المحوسب المزود بأنظمة التصميم بمساعدة الحاسوب ثلاثية الأبعاد إجراءً تشخيصيًا أساسيًا ومناسبًا للحصول على رأي ثانٍ. ^{[ 34 ]} يتم في هذه العملية إعداد وتحليل مجموعة بيانات حجمية تضم ما يصل إلى 3000 صورة فردية. ويمكن الكشف عن الآفات الدائرية ( سرطان الرئة ، والنقائل، والتغيرات الحميدة) التي يبدأ حجمها من 1 مم. وتقدم جميع الشركات المصنعة للأنظمة الطبية المعروفة اليوم حلولًا مماثلة.

يُعدّ الكشف المبكر عن سرطان الرئة ذا قيمة كبيرة. مع ذلك، يصعب الكشف العشوائي عن سرطان الرئة في مراحله المبكرة (المرحلة الأولى) باستخدام صور الأشعة السينية. إذ يسهل إغفال الآفات المستديرة التي يتراوح قطرها بين 5 و10 ملم. ^{[ 35 ]} قد يُسهم التطبيق الروتيني لأنظمة الكشف بمساعدة الحاسوب (CAD) للصدر في الكشف عن التغيرات الطفيفة دون وجود شك مبدئي. وقد طوّر عدد من الباحثين أنظمة CAD للكشف عن عُقيدات الرئة (الآفات المستديرة التي يقل قطرها عن 30 ملم) في صور الأشعة السينية للصدر ^{[ 36 ]}^{[ 37 ]}^{[ 38 ]} والتصوير المقطعي المحوسب ^{[ 39 ]}^{[ 40 ]} ، بالإضافة إلى أنظمة CAD لتشخيص عُقيدات الرئة في التصوير المقطعي المحوسب ( مثل التمييز بين الأورام الخبيثة والحميدة). وقد حسّن التصوير الافتراضي ثنائي الطاقة ^{[ 41 ]}^{[ 42 ]}^{[ 43 ]}^{[ 44 ]} أداء أنظمة CAD في صور الأشعة السينية للصدر. ^{[ 45 ]}

سرطان القولون

يتوفر نظام الكشف بمساعدة الحاسوب (CAD) للكشف عن سلائل القولون في تصوير القولون المقطعي المحوسب. ^{[ 46 ]}^{[ 47 ]} السلائل هي زوائد صغيرة تنشأ من البطانة الداخلية للقولون. يكشف نظام الكشف بمساعدة الحاسوب عن السلائل من خلال تحديد شكلها المميز الشبيه بالنتوء. ولتجنب النتائج الإيجابية الكاذبة، يتجاهل النظام جدار القولون الطبيعي، بما في ذلك طيات القولون .

أمراض القلب والأوعية الدموية

تُوفّر أحدث الأساليب في الحوسبة القلبية الوعائية، والمعلوماتية القلبية الوعائية، والنمذجة الرياضية والحاسوبية، أدوات قيّمة في اتخاذ القرارات السريرية. ^[⁴⁸^] كما تُساعد أنظمة التصميم بمساعدة الحاسوب (CAD) المزودة بعلامات جديدة تعتمد على تحليل الصور كمدخلات، أطباء الأوعية الدموية على اتخاذ قرارات أكثر ثقة بشأن العلاج الأنسب لمرضى القلب والأوعية الدموية .

يُعدّ الكشف المبكر الموثوق به وتصنيف مخاطر تصلب الشرايين السباتية ذا أهمية قصوى للتنبؤ بالسكتات الدماغية لدى المرضى الذين لا تظهر عليهم أعراض. ^{[ 49 ]} ولتحقيق هذه الغاية، تم اقتراح العديد من المؤشرات غير الجراحية ومنخفضة التكلفة، باستخدام خصائص التصوير بالموجات فوق الصوتية . ^{[ 50 ]} تجمع هذه المؤشرات بين خصائص الصدى ، والملمس، والحركة ^{[ 51 ]}^{[ 52 ]}^{[ 53 ]}^{[ 54 ]} للمساعدة في اتخاذ القرارات السريرية نحو تحسين التنبؤ بمخاطر القلب والأوعية الدموية وتقييمها وإدارتها. ^{[ 55 ]}

تتوفر تقنية CAD للكشف التلقائي عن أمراض الشريان التاجي الهامة (التي تسبب تضيقًا يزيد عن 50٪ ) في دراسات تصوير الأوعية التاجية المقطعي المحوسب (CCTA). ^[⁵⁶^]

عيب خلقي في القلب

قد يكون الكشف المبكر عن الأمراض هو الفرق بين الحياة والموت. يُمكن إجراء الفحص بمساعدة الحاسوب (CADe) عن طريق التسمع باستخدام سماعة طبية رقمية وبرنامج متخصص، وهو ما يُعرف أيضًا بالتسمع بمساعدة الحاسوب . يُمكن الكشف عن النفخات القلبية، وهي أصوات قلبية غير منتظمة ناتجة عن تدفق الدم عبر قلب مُختل، بحساسية ودقة عاليتين. يُذكر أن التسمع بمساعدة الحاسوب حساس للضوضاء الخارجية وأصوات الجسم، ويتطلب بيئة هادئة تمامًا ليعمل بدقة.

الكشف عن أمراض الدماغ (PBD)

كان تشابلوت وزملاؤه أول من استخدم معاملات تحويل المويجات المنفصلة (DWT) للكشف عن الأدمغة المصابة بأمراض. ^{[ 57 ]} استخدم مايترا وتشاتيرجي تحويل سلانتليت، وهو نسخة محسّنة من تحويل المويجات المنفصلة. يتم إنشاء متجه الميزات لكل صورة من خلال النظر في مقادير مخرجات تحويل سلانتليت المقابلة لستة مواقع مكانية مختارة وفقًا لمنطق محدد. ^{[ 58 ]}

في عام 2010، قدم وانغ وو طريقةً تعتمد على الشبكة العصبية الأمامية (FNN) لتصنيف صورة رنين مغناطيسي للدماغ إلى طبيعية أو غير طبيعية. تم تحسين معلمات الشبكة العصبية الأمامية باستخدام خوارزمية تحسين سرب الجسيمات الفوضوية التكيفية (ACPSO). أظهرت النتائج، التي أجريت على أكثر من 160 صورة، أن دقة التصنيف بلغت 98.75%. ^{[ 59 ]}

في عام 2011، اقترح وو ووانغ استخدام تحويل المويجات المنفصلة (DWT) لاستخراج الميزات، وتحليل المكونات الرئيسية (PCA) لتقليل الميزات، والشبكة العصبية الأمامية مع خوارزمية مستعمرة النحل الاصطناعية الفوضوية المتدرجة (SCABC) كمصنف. ^{[ 60 ]}

في عام ٢٠١٣، كانت ساريثا وزملاؤها أول من طبق إنتروبيا المويجات (WE) للكشف عن الأدمغة المرضية. كما اقترحت ساريثا استخدام مخططات شبكة العنكبوت. ^{[ ٦١ ]} لاحقًا، أثبت تشانغ وزملاؤه أن إزالة مخططات شبكة العنكبوت لم تؤثر على الأداء. ^{[ ٦٢ ]} طُبقت طريقة البحث عن الأنماط الجينية لتحديد الدماغ غير الطبيعي من بين الأدمغة السليمة. وقد سُجلت دقة تصنيفها بنسبة ٩٥,١٨٨٪. ^{[ ٦٣ ]} اقترح داس وزملاؤه استخدام تحويل ريبليت. ^{[ ٦٤ ]} اقترح تشانغ وزملاؤه استخدام تحسين سرب الجسيمات (PSO). ^{[ ٦٥ ]} اقترح كالبخاني وزملاؤه استخدام نموذج GARCH. ^{[ ٦٦ ]}

في عام 2014، اقترح الدهشان وآخرون استخدام الشبكة العصبية المقترنة بالنبضات. ^{[ 67 ]}

في عام 2015، اقترح تشو وآخرون تطبيق مصنف بايز الساذج للكشف عن الأدمغة المرضية. ^{[ 68 ]}

مرض الزهايمر

يمكن استخدام برامج التشخيص بمساعدة الحاسوب لتحديد الأشخاص المصابين بمرض الزهايمر وضعف الإدراك الخفيف من بين كبار السن الأصحاء.

في عام 2014، استخدمت بادما وآخرون ميزات نسيجية إحصائية مُدمجة من الموجات الصغيرة لتقسيم وتصنيف شرائح أورام AD الحميدة والخبيثة. ^{[ 61 ]} ووجد تشانغ وآخرون أن شجرة القرار لآلة المتجهات الداعمة ذات النواة حققت دقة تصنيف بلغت 80%، بمتوسط وقت حساب قدره 0.022 ثانية لكل تصنيف صورة. ^{[ 69 ]}

في عام ٢٠١٩، نشر سيغنايفسكي وزملاؤه لأول مرة تقريرًا عن شبكة عصبية تلافيفية كاملة (FCN) مُدرَّبة للكشف عن التشابكات الليفية العصبية (NFT) وتحديد كميتها في مرض الزهايمر ومجموعة من اعتلالات تاو الأخرى. حققت الشبكة المُدرَّبة دقة واستدعاء عاليين في التجزئة الدلالية للصور الرقمية الكاملة (WSI) البسيطة، حيث حددت كائنات NFT بشكل صحيح باستخدام نموذج SegNet مُدرَّب لمدة ٢٠٠ دورة تدريبية. وصلت الشبكة إلى كفاءة شبه عملية بمتوسط وقت معالجة ٤٥ دقيقة لكل صورة WSI لكل وحدة معالجة رسومية (GPU) ، مما مكّن من الكشف الموثوق والقابل للتكرار على نطاق واسع عن NFT. أسفر الأداء المقاس على بيانات اختبار لثماني صور WSI بسيطة عبر اعتلالات تاو مختلفة عن استدعاء ودقة ودرجة F1 بلغت ٠.٩٢ و٠.٧٢ و٠.٨١ على التوالي. ^{[ ٧٠ ]}

يُعدّ Eigenbrain سمةً دماغيةً جديدةً تُساعد في الكشف عن مرض الزهايمر، وذلك بالاعتماد على تحليل المكونات الرئيسية (PCA) ^{[ 71 ]} أو تحليل المكونات المستقلة (IPA ) ^{[ 72 ]} . وقد أظهرت خوارزمية SVM ذات النواة متعددة الحدود دقةً جيدةً، حيث تتفوق على خوارزميتي SVM الخطية وRBF ^{[ 73 ]} . وتشمل الطرق الأخرى ذات النتائج الجيدة استخدام تحليل النسيج ^{[ 74 ]} ، أو السمات المورفولوجية ^{[ 75 ]} ، أو السمات الإحصائية عالية الرتبة ^{[ 76 ].}

الطب النووي

تتوفر أنظمة التشخيص بمساعدة الحاسوب (CADx) لصور الطب النووي. وتوجد أنظمة CADx تجارية لتشخيص النقائل العظمية في فحوصات العظام لكامل الجسم، ومرض الشريان التاجي في صور تروية عضلة القلب. ^{[ 77 ]}

بفضل حساسيته العالية ومعدل الكشف عن الآفات الخاطئة المقبول، أثبت نظام الكشف التلقائي عن الآفات بمساعدة الحاسوب فائدته، ومن المحتمل أن يكون قادراً في المستقبل على مساعدة أطباء الطب النووي في تحديد آفات العظام المحتملة. ^{[ 78 ]}

اعتلال الشبكية السكري

اعتلال الشبكية السكري هو مرض يصيب الشبكية، ويُشخَّص غالبًا عن طريق فحص قاع العين. يخضع مرضى السكري في الدول الصناعية عادةً لفحوصات دورية للكشف عن هذا المرض. تُستخدم تقنيات التصوير للكشف المبكر عن علامات تشوهات الأوعية الدموية في الشبكية. قد يكون التحليل اليدوي لهذه الصور مُستهلكًا للوقت وغير موثوق. ^{[ 79 ]}^{[ 80 ]} وقد استُخدمت أنظمة التصميم بمساعدة الحاسوب (CAD) لتحسين دقة وحساسية وخصوصية طرق الكشف الآلي. يُمكن أن يكون استخدام بعض أنظمة CAD بديلًا آمنًا وفعالًا من حيث التكلفة للمُقيِّمين البشريين. ^{[ 80 ]}

تُعدّ المعالجة المسبقة للصور، واستخراج الميزات وتصنيفها، مرحلتين رئيسيتين في خوارزميات التصميم بمساعدة الحاسوب هذه. ^{[ 81 ]}

أساليب المعالجة المسبقة

تهدف عملية توحيد الصورة إلى تقليل التباين في جميع أنحاء الصورة. وقد أشارت التقارير إلى أن تباينات شدة الإضاءة في المناطق الواقعة بين محيط مركز البقعة الصفراء في العين تتسبب في عدم دقة تجزئة الأوعية الدموية. ^{[ 82 ]} وبناءً على مراجعة عام 2014، كانت هذه التقنية الأكثر استخدامًا، إذ ظهرت في 11 دراسة من أصل 40 دراسة بحثية أولية نُشرت مؤخرًا (منذ عام 2011). ^{[ 81 ]}

تُعدّ معادلة الهيستوغرام مفيدةً في تحسين التباين داخل الصورة. ^{[ 84 ]} تُستخدم هذه التقنية لزيادة التباين الموضعي. في نهاية المعالجة، تُصبح المناطق الداكنة في الصورة الأصلية أكثر سطوعًا، مما يُحسّن بشكل كبير التباين بين العناصر الموجودة في تلك المنطقة. من ناحية أخرى، تبقى المناطق الأكثر سطوعًا في الصورة الأصلية ساطعة أو يُخفّض سطوعها لتُعادل سطوع المناطق الأخرى في الصورة. إلى جانب تجزئة الأوعية الدموية، يُمكن فصل السمات الأخرى المتعلقة باعتلال الشبكية السكري باستخدام تقنية المعالجة المسبقة هذه. تُعتبر الأورام الوعائية الدقيقة والنزيف آفات حمراء، بينما تُعتبر الإفرازات بقعًا صفراء. يُتيح زيادة التباين بين هاتين المجموعتين رؤيةً أفضل للآفات في الصور. باستخدام هذه التقنية، وجدت مراجعةٌ أُجريت عام 2014 أن 10 من أصل 14 بحثًا أوليًا نُشرت حديثًا (منذ عام 2011) قد ثبتت فعاليتها. ^{[ 81 ]}

يُعدّ ترشيح القناة الخضراء تقنية أخرى مفيدة في التمييز بين الآفات بدلاً من الأوعية الدموية. تكمن أهمية هذه الطريقة في أنها توفر أعلى تباين بين الآفات المرتبطة باعتلال الشبكية السكري. ^{[ 85 ]} تظهر الأوعية الدموية الدقيقة والنزيف كآفات حمراء داكنة بعد تطبيق ترشيح القناة الخضراء. في المقابل، تتحول الإفرازات، التي تظهر صفراء في الصورة العادية، إلى بقع بيضاء ساطعة بعد الترشيح الأخضر. تُستخدم هذه التقنية على نطاق واسع وفقًا لمراجعة عام 2014، حيث ورد ذكرها في 27 من أصل 40 مقالة منشورة خلال السنوات الثلاث الماضية. ^{[ 81 ]} إضافةً إلى ذلك، يمكن استخدام ترشيح القناة الخضراء للكشف عن مركز القرص البصري بالتزامن مع نظام النافذة المزدوجة.

تصحيح الإضاءة غير المنتظمة هو أسلوب يُستخدم لمعالجة مشكلة الإضاءة غير المنتظمة في صور قاع العين. قد تُشكل الإضاءة غير المنتظمة خطأً محتملاً في الكشف الآلي عن اعتلال الشبكية السكري، وذلك بسبب التغيرات في الخصائص الإحصائية للصورة. ^{[ 81 ]} يمكن أن تؤثر هذه التغيرات على عمليات المعالجة اللاحقة، مثل استخلاص الميزات، وهي غير قابلة للملاحظة بالعين المجردة. يُمكن تصحيح الإضاءة غير المنتظمة (f') عن طريق تعديل شدة البكسل باستخدام شدة البكسل الأصلية المعروفة (f)، ومتوسط شدة البكسلات المحلية (λ) والبكسلات المطلوبة (μ) (انظر الصيغة أدناه). ^{[ 86 ]} ثم يُطبق تحويل والتر-كلاين لتحقيق إضاءة منتظمة. ^{[ 86 ]} تُعد هذه التقنية أقل أساليب المعالجة المسبقة استخدامًا في المراجعة المنشورة عام 2014.

$f'=f+\mu -\lambda$

تُعد العمليات المورفولوجية ثاني أقل طرق المعالجة المسبقة استخدامًا في مراجعة عام 2014. ^{[ 81 ]} والهدف الرئيسي من هذه الطريقة هو توفير تحسين التباين، وخاصة المناطق الداكنة مقارنة بالخلفية.

استخلاص الميزات وتصنيفها

بعد المعالجة المسبقة لصورة قاع العين، تُحلل الصورة باستخدام طرق حسابية مختلفة. ومع ذلك، تشير الدراسات الحالية إلى أن بعض الطرق تُستخدم أكثر من غيرها في تحليلات تجزئة الأوعية الدموية. وتشمل هذه الطرق: آلة المتجهات الداعمة (SVM)، والتحليل متعدد المقاييس، وتتبع الأوعية الدموية، وتقنية نمو المنطقة، والأساليب القائمة على النماذج.

تُعدّ آلة المتجهات الداعمة (SVM) المصنف الأكثر استخدامًا في تجزئة الأوعية الدموية، بنسبة تصل إلى 90% من الحالات. وهي نموذج تعلّم مُشرف ينتمي إلى فئة أوسع من تقنيات التعرّف على الأنماط. تعمل هذه الخوارزمية عن طريق إنشاء أكبر فجوة بين العينات المختلفة في البيانات. والهدف هو إنشاء أكبر فجوة بين هذه المكونات لتقليل الخطأ المحتمل في التصنيف. ^[⁸⁷^] ولعزل معلومات الأوعية الدموية بنجاح عن بقية صورة العين، تُنشئ خوارزمية SVM متجهات داعمة تفصل بكسلات الأوعية الدموية عن بقية الصورة من خلال بيئة مُشرفة. ويمكن الكشف عن الأوعية الدموية في الصور الجديدة بطريقة مماثلة باستخدام المتجهات الداعمة. ويُحسّن دمجها مع تقنيات المعالجة المسبقة الأخرى، مثل ترشيح القناة الخضراء، دقة الكشف عن تشوهات الأوعية الدموية بشكل كبير. ^[⁸¹^] ومن بين الخصائص المفيدة لـ SVM ما يلي: ^[⁸⁷^]

المرونة – تتميز بمرونة عالية من حيث الوظيفة
البساطة – بسيطة، خاصة مع مجموعات البيانات الكبيرة (لا يلزم سوى متجهات الدعم لإنشاء فصل بين البيانات)

يُعدّ أسلوب المقاييس المتعددة أسلوبًا متعدد الدقة في تجزئة الأوعية الدموية. عند الدقة المنخفضة، يُمكن استخلاص الأوعية ذات القطر الكبير أولًا. ومع زيادة الدقة، يُمكن تمييز الفروع الأصغر المتفرعة من الأوعية الكبيرة بسهولة. ولذلك، تتمثل إحدى مزايا استخدام هذه التقنية في زيادة سرعة التحليل. ^{[ 79 ]} إضافةً إلى ذلك، يُمكن استخدام هذا الأسلوب مع الصور ثلاثية الأبعاد. يُمثّل السطح العمودي على انحناء الأوعية، مما يسمح بالكشف عن أي تشوهات على سطحها.

تُعرف خاصية تتبع الأوعية الدموية بقدرة الخوارزمية على اكتشاف "الخط المركزي" للأوعية. يُمثل هذا الخط المركزي أعلى نقطة في انحناء الوعاء. ويمكن تحديد مراكز الأوعية باستخدام المعلومات الاتجاهية التي يوفرها مرشح غاوسي. ومن الأساليب المشابهة التي تستخدم مفهوم الخط المركزي، الأسلوب القائم على الهيكل العظمي والأسلوب القائم على الهندسة التفاضلية. ^[⁷⁹^]

تُعدّ طريقة نمو المنطقة أسلوبًا لاكتشاف البكسلات المتجاورة ذات الخصائص المتشابهة. ويتطلب بدء هذه الطريقة نقطة بداية. ويعتمد نجاح هذه التقنية على عنصرين أساسيين: التشابه والتقارب المكاني. فمن المرجح أن يكون البكسل المجاور للبكسل الأساسي، والذي يتميز بشدة إضاءة مماثلة، من النوع نفسه، وبالتالي يُضاف إلى المنطقة النامية. ومن عيوب هذه التقنية أنها تتطلب اختيار نقطة البداية يدويًا، مما يُدخل تحيزًا وعدم اتساق في الخوارزمية. ^{[ 79 ]} وتُستخدم هذه التقنية أيضًا في تحديد القرص البصري.

تستخدم الأساليب القائمة على النماذج تمثيلات لاستخراج الأوعية الدموية من الصور. وتُعرف ثلاث فئات رئيسية من هذه الأساليب: التشوهية، والبارامترية، ومطابقة القوالب. ^{[ 79 ]} تستخدم الأساليب التشوهية كائنات يتم تشويهها لتتوافق مع محيطات الكائنات الموجودة في الصورة. أما الأساليب البارامترية فتستخدم معايير هندسية مثل تمثيل الأوعية الدموية بشكل أنبوبي أو أسطواني أو بيضاوي. ويمكن أيضًا استخدام محيط الثعبان الكلاسيكي مع معلومات طوبولوجية عن الأوعية الدموية كأسلوب قائم على النماذج. ^{[ 88 ]} وأخيرًا، تعتمد مطابقة القوالب على استخدام قالب يتم تركيبه من خلال عملية تشويه عشوائية باستخدام نموذج ماركوف المخفي من النمط الأول.

الآثار على التوظيف

لأتمتة عمليات التشخيص الطبي (مثل قياس عدد خلايا الدم الحمراء ) سوابق تاريخية. ^{[ 89 ]} وقد أدت ثورة التعلم العميق في العقد الثاني من الألفية الثانية إلى إنتاج أنظمة ذكاء اصطناعي أكثر دقة في العديد من مجالات التشخيص البصري من أخصائيي الأشعة وأطباء الجلد، ومن المتوقع أن تتسع هذه الفجوة.

بعض الخبراء، بمن فيهم العديد من الأطباء، يستهينون بالآثار التي سيحدثها الذكاء الاصطناعي على التخصصات الطبية.

في المقابل، يعتقد العديد من الاقتصاديين وخبراء الذكاء الاصطناعي أن مجالات مثل الأشعة ستشهد اضطرابًا كبيرًا، مع ارتفاع معدلات البطالة أو انخفاض أجور أخصائيي الأشعة؛ وستحتاج المستشفيات إلى عدد أقل من أخصائيي الأشعة بشكل عام، وسيحتاج العديد من الأخصائيين المتبقين إلى إعادة تأهيل مكثفة. ويجادل جيفري هينتون ، "عراب التعلم العميق"، بأنه في ضوء التطورات المتوقعة خلال السنوات الخمس أو العشر القادمة، ينبغي على المستشفيات التوقف فورًا عن تدريب أخصائيي الأشعة، لأن تدريبهم المكلف والمستهلك للوقت على التشخيص البصري سيصبح قريبًا غير مجدٍ، مما سيؤدي إلى فائض كبير في أخصائيي الأشعة التقليديين. ^{[ 90 ]}^{[ 91 ]}

تُجادل مقالة رأي في مجلة الجمعية الطبية الأمريكية (JAMA) بضرورة دمج أخصائيي علم الأمراض وأخصائيي الأشعة في دور واحد هو " أخصائي المعلومات "، وتنص على أنه "لتجنب استبدالهم بالحواسيب، يجب على أخصائيي الأشعة السماح لأنفسهم بأن تُستبدل بهم الحواسيب". وسيتلقى أخصائيو المعلومات تدريبًا في " المنطق البايزي ، والإحصاء ، وعلم البيانات "، وبعض علم الجينوم والقياسات الحيوية ؛ وسيتم التقليل بشكل كبير من أهمية التعرف اليدوي على الأنماط البصرية مقارنةً بالتدريب الشاق الحالي في مجال الأشعة. ^{[ 92 ]}

انظر أيضاً

الحواشي

↑ تم وصف هذه التحديات بمزيد من التفصيل هنا: ياناس ج، تريانتافيلو إي (2019). "التحديات السبعة الرئيسية لمستقبل التشخيص بمساعدة الحاسوب في الطب". المجلة الدولية للمعلوماتية الطبية. 129: 413-422. doi:10.1016/j.ijmedinf.2019.06.017. PMID 31445285. S2CID 198287435.

مراجع

↑ "التشخيص بمساعدة الحاسوب: نقطة التحول في علم الأمراض الرقمي" . جمعية علم الأمراض الرقمي. 27 أبريل 2017.
↑ أوكدن-راينر، لوك (مايو 2019). "إعادة إحياء أنظمة التشخيص بمساعدة الحاسوب: كيف يختلف الذكاء الاصطناعي الحديث عن أنظمة التشخيص بمساعدة الحاسوب التي نعرفها؟" . علم الأشعة: الذكاء الاصطناعي . 1 (3) e180089. doi : 10.1148/ryai.2019180089 . ISSN 2638-6100 . PMC 8017402. PMID 33937793 .
↑ بيرد، ر. إي.؛ والاس، ت. و.؛ يانكاسكاس، ب. س. (1992). "تحليل حالات السرطان التي لم يتم اكتشافها في فحص الماموجرام". مجلة علم الأشعة . 184 (3): 613-617 . doi : 10.1148/radiology.184.3.1509041 . PMID 1509041 .
↑ بيكر، جيه إيه؛ روزن، إي إل؛ لو، جيه واي؛ وآخرون (2003). "الكشف بمساعدة الحاسوب (CAD) في تصوير الثدي الشعاعي: حساسية أنظمة CAD التجارية للكشف عن التشوه المعماري". المجلة الأمريكية للأشعة . 181 (4): 1083-1088 . doi : 10.2214/ajr.181.4.1811083 . PMID 14500236 .
↑ جانغ، هـ. ج.؛ لي، ك. س.؛ كوون، أ. ج.؛ وآخرون . (1996). "سرطان القصبات الهوائية السنخية: منطقة موضعية من التعتيم الزجاجي في التصوير المقطعي المحوسب ذي المقاطع الرقيقة كعلامة مبكرة". مجلة علم الأشعة . 199 (2): 485-488 . doi : 10.1148/radiology.199.2.8668800 . PMID 8668800 .
↑ سوزوكي، ك.؛ لي، ف.؛ سون، س.؛ دوي، ك. (2005). "مخطط تشخيصي بمساعدة الحاسوب للتمييز بين العُقيدات الحميدة والخبيثة في التصوير المقطعي المحوسب منخفض الجرعة للصدر باستخدام شبكة عصبية اصطناعية ذات تدريب مكثف". معاملات IEEE في التصوير الطبي . 24 (9): 1138-1150 . doi : 10.1109/tmi.2005.852048 . PMID 16156352. S2CID 2690415 .
↑ لوستومبو، أ.؛ سوزوكي، ك.؛ داشمان، أ.هـ. (2010). "الآفات المسطحة في تصوير القولون المقطعي المحوسب". تصوير البطن . 35 (5): 578-583 . doi : 10.1007/s00261-009-9562-3 . PMID 19633882. S2CID 13487349 .
↑ ليا، أندرو س. (2023). رقمنة التشخيص: الطب، والعقول، والآلات في أمريكا في القرن العشرين . مطبعة جامعة جونز هوبكنز. ص 1-256 . ISBN 978-1421446813.
1 2 3 ياناس ج، تريانتافيلو إي (2019). "دراسة منهجية للتشخيص بمساعدة الحاسوب في الطب: التطورات الماضية والحالية". أنظمة الخبراء وتطبيقاتها . 138 112821. doi : 10.1016/j.eswa.2019.112821 . S2CID 199019309 .
↑ شورتليف إي إتش، وبوكانان بي جي (1975). "نموذج للاستدلال غير الدقيق في الطب". العلوم البيولوجية الرياضية . 23 ( 3-4 ): 351-379 . doi : 10.1016/0025-5564(75)90047-4 . S2CID 118063112 .
↑ ميلر، ر. أ.، بوبل الابن، هـ. إ.، ومايرز، ج. د. (1982). "الطبيب الباطني-1، مستشار تشخيصي تجريبي قائم على الحاسوب للطب الباطني العام". مجلة نيو إنجلاند الطبية . 307 (8): 468-476 . doi : 10.1056/NEJM198208193070803 . PMID 7048091 .
↑ فيجنباوم، إدوارد؛ ماكوردوك، باميلا (1984). الجيل الخامس . أديسون-ويسلي. ص 1-275 . ISBN 978-0451152640.
↑ سالكوديان، إس إي؛ بيل، جي؛ باخمان، إس؛ تشو، دبليو إتش؛ أبو المعصومي، بي؛ لورانس، بي دي (1999)، "التصوير بالموجات فوق الصوتية التشخيصية بمساعدة الروبوت - تصميم وتجارب الجدوى"، ميكاي99 ، سلسلة محاضرات في علوم الحاسوب، المجلد 1679، سبرينغر، الصفحات 1062-1071 ، doi : 10.1007/10704282_115 ، ISBN 978-3-540-66503-8
↑ داريو، ب.؛ بيرغاماسكو، م. (1988)، "نظام روبوت متطور لمهام التشخيص الآلي عن طريق الجس"، معاملات IEEE في الهندسة الطبية الحيوية ، 35 (2): 118-126 ، doi : 10.1109/10.1349 ، PMID 3350538 ، S2CID 24390579
↑ ريتشارد م. كارب (1972). "قابلية الاختزال بين المسائل التوافقية" (ملف PDF) . في: ر. إ. ميلر؛ ج. و. ثاتشر (محرران). تعقيد الحسابات الحاسوبية . نيويورك: بلينوم. الصفحات 85-103 . مؤرشف من الأصل (ملف PDF) بتاريخ 29-06-2011 . تم الاطلاع عليه بتاريخ 14-08-2019 .
↑ دوي ك (2007). "التشخيص بمساعدة الحاسوب في التصوير الطبي: مراجعة تاريخية، الوضع الحالي، والإمكانات المستقبلية" . التصوير الطبي المحوسب والرسومات . 31 (4): 198-211 . doi : 10.1016/j.compmedimag.2007.02.002 . PMC 1955762. PMID 17349778 .
↑ أبين، بروس (2013-02-08). "واتسون من آي بي إم يحصل على أول صفقة له في مجال الرعاية الصحية" . فوربس . تم الاطلاع عليه في 10 مارس 2013 .
↑ كوهن، جوناثان (مارس 2013). "الروبوت سيراك الآن" . مجلة ذا أتلانتيك .
↑ إتشيغاراي، سيباستيان؛ جيفيرت، أوليفييه؛ شاه، راجيش؛ كامايا، آيا؛ لوي، جون؛ كوثاري، نيشيتا؛ نابيل، ساندي (18 نوفمبر 2015). "عينات أساسية لخصائص علم الأشعة غير الحساسة لتجزئة الورم: المنهجية ودراسة تجريبية باستخدام صور الأشعة المقطعية لسرطان الخلايا الكبدية" . مجلة التصوير الطبي . 2 (4) 041011. doi : 10.1117/1.JMI.2.4.041011 . PMC 4650964. PMID 26587549 .
↑ مورفي، ك.؛ فان جينيكن، ب.؛ شيلهام، أ.م.؛ وآخرون (2009). "تقييم واسع النطاق للكشف التلقائي عن عقيدات الرئة في التصوير المقطعي المحوسب للصدر باستخدام خصائص الصورة المحلية وتصنيف أقرب جار". تحليل الصور الطبية . 13 (5): 757-770 . doi : 10.1016/j.media.2009.07.001 . hdl : 2066/81262 . PMID 19646913. S2CID 25181663 .
↑ سوزوكي، ك.؛ أرماتو الثالث، إس جي؛ لي، إف.؛ سون، إس.؛ دوي، ك. (2003). "شبكة عصبية اصطناعية ذات تدريب مكثف (MTANN) لتقليل النتائج الإيجابية الخاطئة في الكشف المحوسب عن عقيدات الرئة في التصوير المقطعي المحوسب بجرعة منخفضة". الفيزياء الطبية . 30 (7): 1602-1617 . Bibcode : 2003MedPh..30.1602S . doi : 10.1118/1.1580485 . PMID 12906178 .
↑ تشان، إتش بي؛ لو، إس سي؛ ساهينر، بي؛ وآخرون (1995). "الكشف بمساعدة الحاسوب عن التكلسات الدقيقة في تصوير الثدي الشعاعي: التعرف على الأنماط باستخدام شبكة عصبية اصطناعية". الفيزياء الطبية . 22 (10): 1555-1567 . Bibcode : 1995MedPh..22.1555C . doi : 10.1118/1.597428 . hdl : 2027.42/134770 . PMID 8551980 .
↑ غليتسوس، ميلتياديس؛ موجياكاكو، ستافرولا؛ ماتسوبولوس، جورج؛ نيكيتا، كونستانتينا؛ نيكيتا، ألكسندرا؛ كيليكيس، ديميتريوس (2003). "نظام تشخيصي بمساعدة الحاسوب لتوصيف آفات الكبد البؤرية في التصوير المقطعي المحوسب: تصميم وتحسين مصنف الشبكة العصبية". معاملات IEEE في تكنولوجيا المعلومات في الطب الحيوي . 7 (3): 153-162 . doi : 10.1109/TITB.2003.813793 . PMID 14518728. S2CID 18918667 .
↑ موجياكاكو، ستافرولا؛ غوليماتي، سبيريتا؛ غوسياس، يوانيس؛ نيكولايدس، أندرو؛ نيكيتا، كونستانتينا (2007). "التشخيص بمساعدة الحاسوب لتصلب الشرايين السباتية بناءً على إحصائيات صور الموجات فوق الصوتية، ونسيج القوانين، والشبكات العصبية". الموجات فوق الصوتية في الطب وعلم الأحياء . 33 (1): 26-36 . doi : 10.1016/j.ultrasmedbio.2006.07.032 . PMID 17189044 .
↑ ستويتسيس، جون؛ فالافانيس، يوانيس؛ موجياكاكو، ستافرولا؛ غوليماتي، سبيريتا؛ نيكيتا، ألكسندرا؛ نيكيتا، كونستانتينا (2006). "التشخيص بمساعدة الحاسوب باستخدام معالجة الصور الطبية وأساليب الذكاء الاصطناعي". مجلة الأدوات والأساليب النووية في بحوث الفيزياء، القسم أ: المسرعات، والمطيافات، وأجهزة الكشف، والمعدات المرتبطة بها . 569 (2): 591-595 . Bibcode : 2006NIMPA.569..591S . doi : 10.1016/j.nima.2006.08.134 .
↑ تشين، س.؛ سوزوكي، ك.؛ ماكماهون، هـ. (2011). "تطوير وتقييم نظام تشخيصي بمساعدة الحاسوب للكشف عن عقيدات الرئة في صور الأشعة السينية للصدر باستخدام تحسين العقيدات على مرحلتين مع تصنيف متجه الدعم" . الفيزياء الطبية . 38 (4): 1844-1858 . Bibcode : 2011MedPh..38.1844C . doi : 10.1118/1.3561504 . PMC 3069992. PMID 21626918 .
↑ بابادوبولوس، أ.؛ فوتياديس، د.إ.؛ ليكاس، أ. (2005). "توصيف التكلسات الدقيقة المتجمعة في صور الثدي الشعاعية الرقمية باستخدام الشبكات العصبية وآلات المتجهات الداعمة". الذكاء الاصطناعي في الطب . 34 (2): 141-150 . doi : 10.1016/j.artmed.2004.10.001 . PMID 15894178 .
^ وولينويبر ت. جانكي ب. تيتشمان أ. فرويند م. (2007). "العلاقة بين الأنسجة النسيجية Befund und einem Computer-assistierten Detektionssystem (CAD) for the Mammografie". جيبورتش فراوينهيلك . 67 (2): 135-141 . دوى : 10.1055/s-2006-955983 . S2CID 73122975 .
1 2 3 4 5 ياناس ج، تريانتافيلو إي (2019). "التحديات السبعة الرئيسية لمستقبل التشخيص بمساعدة الحاسوب في الطب". المجلة الدولية للمعلوماتية الطبية . 129 : 413-422 . doi : 10.1016/j.ijmedinf.2019.06.017 . PMID 31445285. S2CID 198287435 .
↑ وادوا، آر آر؛ بارك، دي واي؛ ناتوفيتش، إم آر (2018). "دقة أدوات التشخيص الحاسوبية لتحديد الاضطرابات الوراثية المتزامنة". المجلة الأمريكية لعلم الوراثة الطبية، الجزء أ . 176 (12): 2704-2709 . doi : 10.1002/ajmg.a.40651 . PMID 30475443. S2CID 53758271 .
^ برون إي، سميتس إم، فان دير فلاير دبليو إم، فرينكن إتش، باركهوف إف، شيلتينز بي، بابما جي إم، ستيكيتي آر إم، أوريلانا سي إم، ميجبوم آر، وبينتو إم (2015). “التقييم الموحد للخوارزميات لتشخيص الخرف بمساعدة الكمبيوتر على أساس التصوير بالرنين المغناطيسي الهيكلي: تحدي الخرف CAD” . صورة عصبية . 111 : 562– 579. دوى : 10.1016/j.neuroimage.2015.01.048 . بمك 4943029 . بميد 25652394 .
↑ تايلور، ب.، وبوتس، هـ. و. (2008). "المساعدات الحاسوبية والمراجعة البشرية الثانية كتدخلات في فحص الثدي بالأشعة السينية: مراجعتان منهجيتان لمقارنة التأثيرات على اكتشاف السرطان ومعدل الاستدعاء" (ملف PDF) . المجلة الأوروبية للسرطان . 44 (6): 798-807 . doi : 10.1016/j.ejca.2008.02.016 . PMID 18353630 .
↑ بنجامينز، ستان؛ دهونو، برانافسينغ؛ ميسكو، بيرتالان (2020). "حالة الأجهزة والخوارزميات الطبية المعتمدة من إدارة الغذاء والدواء الأمريكية والقائمة على الذكاء الاصطناعي: قاعدة بيانات إلكترونية" . مجلة npj للطب الرقمي . 3 118. doi : 10.1038/s41746-020-00324-0 . PMC 7486909. PMID 32984550 .
^ آبي ، يوشيوكي. هاناي، كوزو؛ ناكانو، ماكيكو؛ أوكوبو، ياسويوكي؛ هاسيزومي، توشينوري؛ كاكيزاكي، تورو؛ ناكامورا، ماساتو؛ نيكي، نوبورو؛ إيجوتشي ، كينجي (2005-01-01). "نظام التشخيص بمساعدة الكمبيوتر (CAD) في فحص سرطان الرئة باستخدام التصوير المقطعي المحوسب" . أبحاث مكافحة السرطان . 25 (1 ب): 483-488 . ISSN 0250-7005 . بميد 15816616 .
↑ وو ن، جامسو ج، تشوم ج، هيلد ب، ثاكور ر، نيكولا ج (مارس 2006). "الكشف عن العُقيدات الرئوية الصغيرة باستخدام التصوير الشعاعي الرقمي المباشر وأنظمة أرشفة الصور والاتصالات". مجلة تصوير الصدر . 21 (1): 27-31 . doi : 10.1097/01.rti.0000203638.28511.9b . PMID 16538152. S2CID 31230950 .
↑ جيجر، ماري إيلين ليساك؛ دوي، كونيو؛ ماكماهون، هيبر (1988-03-01). "تحليل خصائص الصورة والتشخيص بمساعدة الحاسوب في التصوير الشعاعي الرقمي. 3. الكشف الآلي عن العُقيدات في حقول الرئة الطرفية". الفيزياء الطبية . 15 (2): 158-166 . Bibcode : 1988MedPh..15..158G . doi : 10.1118/1.596247 . ISSN 2473-4209 . PMID 3386584 .
^ جينكن، ب. فان؛ روميني، بي إم تير هار؛ فيرجفير، MA (2001/12/01). "التشخيص بمساعدة الكمبيوتر في التصوير الشعاعي للصدر: مسح" . معاملات IEEE على التصوير الطبي . 20 (12): 1228-1241 . دوى : 10.1109 / 42.974918 . ISSN 0278-0062 . بميد 11811823 . S2CID 6280485 .
↑ كوبيني، جي.؛ ديتشيوتي، إس.؛ فالشيني، إم.؛ فيلاري، إن.؛ فالي، جي. (1 ديسمبر 2003). "الشبكات العصبية للتشخيص بمساعدة الحاسوب: الكشف عن عقيدات الرئة في صور الأشعة السينية للصدر". مجلة IEEE للمعاملات في تكنولوجيا المعلومات في الطب الحيوي . 7 (4): 344-357 . doi : 10.1109/TITB.2003.821313 . ISSN 1089-7771 . PMID 15000360. S2CID 15121082 .
↑ جيجر، إم إل؛ باي، كيه تي؛ ماكماهون، إتش. (1994-04-01). "الكشف المحوسب عن العُقيدات الرئوية في صور الأشعة المقطعية". مجلة الأشعة التشخيصية . 29 (4): 459-465 . doi : 10.1097/00004424-199404000-00013 . ISSN 0020-9996 . PMID 8034453. S2CID 9800069 .
↑ كانازاوا، ك.؛ كاواتا، ي.؛ نيكي، ن.؛ ساتوه، هـ.؛ أوماتسو، هـ.؛ كاكينوما، ر.؛ كانيكو، م.؛ مورياما، ن.؛ إيغوتشي، ك. (1998-03-01). "التشخيص بمساعدة الحاسوب للعقيدات الرئوية بناءً على صور الأشعة المقطعية الحلزونية" . التصوير الطبي المحوسب والرسومات . 22 (2): 157-167 . doi : 10.1016/S0895-6111(98)00017-2 . ISSN 0895-6111 . PMID 9719856. مؤرشف من الأصل في 2021-04-27 . تم الاسترجاع في 2017-05-04 .
↑ تشين، شينغ؛ تشونغ، سيكاي؛ ياو، ليبينغ؛ شانغ، يانفنغ؛ سوزوكي، كينجي (2016). "تحسين صور الأشعة السينية للصدر التي تم الحصول عليها في وحدة العناية المركزة من خلال كبت العظام والمعالجة المتسقة". الفيزياء في الطب وعلم الأحياء . 61 (6): 2283-2301 . Bibcode : 2016PMB....61.2283C . doi : 10.1088 / 0031-9155/61/6/2283 . PMID 26930386. S2CID 206020910 .
↑ تشين، س.؛ سوزوكي، ك. (2014-02-01). "فصل العظام من صور الأشعة السينية للصدر باستخدام شبكات عصبية اصطناعية متعددة التدريب ذات خصائص تشريحية محددة، مقترنة بتنعيم تقليل التباين الكلي". معاملات IEEE في التصوير الطبي . 33 (2): 246-257 . doi : 10.1109/TMI.2013.2284016 . ISSN 0278-0062 . PMID 24132005. S2CID 922550 .
↑ سوزوكي، ك.؛ آبي، هـ.؛ ماكماهون، هـ.؛ دوي، ك. (1 أبريل 2006). "تقنية معالجة الصور لإخفاء الأضلاع في صور الأشعة السينية للصدر باستخدام شبكة عصبية اصطناعية ذات تدريب مكثف (MTANN)". مجلة IEEE للمعاملات في التصوير الطبي . 25 (4 ) : 406-416 . CiteSeerX 10.1.1.589.8748 . doi : 10.1109/TMI.2006.871549 . ISSN 0278-0062 . PMID 16608057. S2CID 17961280 .
↑ لوغ، م؛ فانجينيكن، ب؛ شيلهام، أ (1 ديسمبر 2006). "التعلم بالتصفية: تطبيق على إخفاء البنى العظمية من صور الأشعة السينية للصدر". تحليل الصور الطبية . 10 (6): 826-840 . doi : 10.1016/j.media.2006.06.002 . ISSN 1361-8415 . PMID 16859953 .
↑ تشين، س.؛ سوزوكي، ك. (2013-02-01). "الكشف المحوسب عن عقيدات الرئة باستخدام التصوير الشعاعي ثنائي الطاقة الافتراضي" . مجلة IEEE للمعاملات في الهندسة الطبية الحيوية . 60 (2): 369-378 . doi : 10.1109/TBME.2012.2226583 . ISSN 0018-9294 . PMC 4283823. PMID 23193306 .
↑ بيل، إل تي أو؛ غاندي، إس. (2018). "مقارنة برامج الكشف بمساعدة الحاسوب (CAD) لتحديد سلائل القولون والمستقيم: تحليل الأداء والحساسية، والقيود الحالية، ونصائح عملية لأخصائيي الأشعة". الأشعة السريرية . 73 (6) 593.e11–593.e18. doi : 10.1016/j.crad.2018.02.009 . PMID 29602538. S2CID 4500060 .
↑ سوزوكي، كينجي؛ يوشيدا، هيرويوكي؛ نابي، يان؛ داشمان، أبراهام هـ. (2006-10-01). "شبكة عصبية اصطناعية ذات تدريب مكثف (MTANN) لتقليل النتائج الإيجابية الخاطئة في الكشف بمساعدة الحاسوب عن الأورام الحميدة: كبح الأنابيب الشرجية". الفيزياء الطبية . 33 (10): 3814-3824 . Bibcode : 2006MedPh..33.3814S . doi : 10.1118/1.2349839 . ISSN 2473-4209 . PMID 17089846 .
↑ غوليماتي، سبيريتا؛ نيكيتا، كونستانتينا (2019). الحوسبة القلبية الوعائية - المنهجيات والتطبيقات السريرية . سبرينغر.
↑ غاستونيوتي، إيميليا؛ ماكرو ديميتريس، ستافروس؛ غوليماتي، سبيريتا؛ كادوغلو، نيكولاوس؛ ليابيس، كريستوس؛ نيكيتا، كونستانتينا (2014). "أداة حاسوبية جديدة لتصنيف مخاطر تصلب الشرايين السباتية باستخدام الخصائص الحركية لجدار الشريان" . مجلة IEEE للمعلوماتية الطبية الحيوية والصحية . 19 (3): 1137-1145 . doi : 10.1109/JBHI.2014.2329604 . PMID 24951709. S2CID 5924749 .
↑ غوليماتي، سبيريتا؛ غاستونيوتي، إيميليا؛ نيكيتا، كونستانتينا (2013). "نحو مؤشرات جديدة غير جراحية ومنخفضة التكلفة للتنبؤ بالسكتات الدماغية في تصلب الشرايين السباتية بدون أعراض: دور تحليل صور الموجات فوق الصوتية". معاملات IEEE في الهندسة الطبية الحيوية . 60 (3): 652-658 . doi : 10.1109/TBME.2013.2244601 . PMID 23380846. S2CID 5653986 .
↑ غوليماتي، سبيريتا؛ باتيلاكي، إيليني؛ غاستونيوتي، إيميليا؛ أندرياديس، يوانيس؛ ليابيس، كريستوس؛ نيكيتا، كونستانتينا (2020). "أنماط تزامن الحركة للويحة تصلب الشرايين السباتية من خلال التصوير بالموجات فوق الصوتية ثنائية الأبعاد" . التقارير العلمية . 10 (1): 11221. Bibcode : 2020NatSR..1011221G . doi : 10.1038/ s41598-020-65340-2 . PMC 7343786. PMID 32641773 .
^ ريزي، فرشته؛ الاتحاد الأفريقي، جايسون. يلي أوليلا، هيكي؛ جوليماتي، سبيريتا؛ ماكونايت، مونيكا؛ أوركيش، ماسيج؛ نواب، ناصر؛ ماكدونالد، مورين. لايتينن، تينا مارجا؛ بهنام، حميد؛ جاو، جيفان؛ غاستونيوتي، إيميليا؛ جوركونيس، ريتيس. فيراي، ديدييه؛ لايتينن، تومي؛ سيروسكلات، أندريه؛ نيكيتا، كونستانتينا؛ زهند ، غيوم (2020). “الحركة الطولية للجدار السباتي في التصوير بالموجات فوق الصوتية: مراجعة بإجماع الخبراء”. الموجات فوق الصوتية في الطب والبيولوجيا . 46 (10): 2605-2624 . دوى : 10.1016/j.ultrasmedbio.2020.06.006 . PMID 32709520 . S2CID 225545904 .
↑ غوليماتي، سبيريتا؛ غاستونيوتي، إيميليا؛ نيكيتا، كونستانتينا (2016). "تقدير حركة أنسجة القلب والأوعية الدموية باستخدام صور الموجات فوق الصوتية". مجلة IEEE للمراجعات في الهندسة الطبية الحيوية . 9 : 208-218 . doi : 10.1109/RBME.2016.2558147 . S2CID 23333131 .
↑ غاستونيوتي، إيميليا؛ غوليماتي، سبيريتا؛ ستويتسيس، جون؛ نيكيتا، كونستانتينا (2013). "تحليل حركة جدار الشريان السباتي باستخدام الموجات فوق الصوتية ثنائية الأبعاد بتقنية مطابقة الكتل التكيفية: تقييم حاسوبي وتطبيق عملي". الفيزياء في الطب وعلم الأحياء . 58 (24): 8647-8661 . Bibcode : 2013PMB....58.8647G . doi : 10.1088/0031-9155/58/24/8647 . PMID: 24256708. S2CID : 11571104 .
^ غاستونيوتي، إيميليا؛ كولياس، فاسيليوس؛ جوليماتي، سبيريتا؛ تسياباراس، نيكولاوس؛ ماتساكو، أيكاتريني؛ ستيتسيس، جون؛ كادوغلو، نيكولاوس؛ جككاس، كريستوس؛ كاكيسيس، جون؛ ليابيس، كريستوس؛ كاراكيتسوس، بيتروس؛ سارافيس، يوانيس؛ أنجيليديس، باديليس؛ نيكيتا ، كونستانتينا (2014). "CAROTID - منصة على شبكة الإنترنت للإدارة الشخصية المثلى لمرضى تصلب الشرايين". طرق وبرامج الحاسوب في الطب الحيوي . 114 (2): 183-193 . دوى : 10.1016/j.cmpb.2014.02.006 . بميد 24636805 .
↑ غولدنبرغ، رومان؛ إيلوت، دوف؛ بيغلمان، غريغوري؛ والاش، يوجين؛ بن-إيشاي، إيال؛ بيليد، ناثان (2012). "الفرز البسيط بمساعدة الحاسوب (CAST) لتصوير الأوعية التاجية المقطعي المحوسب (CCTA)" . المجلة الدولية للتصوير الإشعاعي والجراحة بمساعدة الحاسوب . 7 (6 ) : 819-827 . doi : 10.1007/s11548-012-0684-7 . ISSN 1861-6410 . PMID 22484719. S2CID 5627031 .
↑ تشابلوت، سانديب؛ باتنايك، إل إم؛ جاغاناثان، إن آر (2006). "تصنيف صور الرنين المغناطيسي للدماغ باستخدام الموجات الصغيرة كمدخلات لآلة المتجهات الداعمة والشبكة العصبية". معالجة الإشارات والتحكم في الطب الحيوي . 1 : 86-92 . doi : 10.1016/j.bspc.2006.05.002 .
↑ مايترا، مادهوبانتي؛ تشاتيرجي، أميتافا (2006). "نظام ذكي قائم على تحويل سلانتليت لتصنيف صور الرنين المغناطيسي للدماغ". معالجة الإشارات والتحكم في الطب الحيوي . 1 (4): 299-306 . doi : 10.1016/j.bspc.2006.12.001 .
↑ وانغ، س.؛ وو، و. (2010). "طريقة جديدة لتصنيف صور الرنين المغناطيسي للدماغ تعتمد على خوارزمية تحسين سرب الجسيمات الفوضوية التكيفية" . التقدم في بحوث الكهرومغناطيسية . 109 : 325-343 . doi : 10.2528/PIER10090105 .
↑ تشانغ، يودونغ؛ وو، ل. (2011). "تصنيف صور الرنين المغناطيسي للدماغ باستخدام خوارزمية محسّنة لمستعمرة النحل الاصطناعية" . التقدم في بحوث الكهرومغناطيسية . 2011 : 65-79 . doi : 10.2528/PIER11031709 .
بادما ، أ.؛ سوكانيش ، ر. (2014). "تجزئة وتصنيف صور الأشعة المقطعية للدماغ باستخدام ميزات نسيجية إحصائية مُدمجة من الموجات الصغيرة". المجلة العربية للعلوم والهندسة . 39 (2): 767-776 . doi : 10.1007/s13369-013-0649-3 . S2CID 62615810 .
↑ تشانغ، يودونغ؛ دونغ، تشنغتشاو؛ جي، جينلين (2015). "تأثير مخطط شبكة العنكبوت في تصنيف صور الرنين المغناطيسي للدماغ". رسائل التعرف على الأنماط . 62 : 14-16 . Bibcode : 2015PaReL..62...14Z . doi : 10.1016/j.patrec.2015.04.016 .
↑ تشانغ، ي.؛ وانغ، س.؛ جي، ج.؛ دونغ، ز. (2013). "البحث عن الأنماط الجينية وتطبيقه على تصنيف صور الدماغ" . مسائل رياضية في الهندسة . 2013 : 1-8 . doi : 10.1155/2013/580876 .
↑ داس س.؛ تشودري م.؛ كوندو م.ك. (2013). "تصنيف صور الرنين المغناطيسي للدماغ باستخدام التحليل الهندسي متعدد المقاييس للتموجات" . التقدم في بحوث الكهرومغناطيسية . 137 : 1-17 . doi : 10.2528/pier13010105 .
↑ تشانغ، ي.؛ وانغ، س. (2013). "نظام تصنيف صور الدماغ بالرنين المغناطيسي باستخدام خوارزمية تحسين سرب الجسيمات وآلة المتجهات الداعمة ذات النواة" . مجلة العالم العلمي . 2013 130134. doi : 10.1155/2013/130134 . PMC 3791634. PMID 24163610 .
↑ كالبخاني، ح.؛ شايسته، م. ج.؛ زالي-فارغاهان، ب. (2013). "خوارزمية قوية لتصنيف صور الرنين المغناطيسي للدماغ بناءً على سلسلة تباينات GARCH". معالجة الإشارات والتحكم في الطب الحيوي . 8 (6): 909-919 . doi : 10.1016/j.bspc.2013.09.001 .
↑ الدهشان، إي إس إيه؛ محسن، إتش إم؛ ريفيت، ك؛ وآخرون (2014). "التشخيص بمساعدة الحاسوب لأورام الدماغ البشري من خلال التصوير بالرنين المغناطيسي: دراسة استقصائية وخوارزمية جديدة". أنظمة الخبراء وتطبيقاتها . 41 (11): 5526-5545 . doi : 10.1016/j.eswa.2014.01.021 .
↑ تشو، شينغ-شينغ (2015). "الكشف عن أمراض الدماغ في التصوير بالرنين المغناطيسي باستخدام إنتروبيا الموجات الصغيرة ومصنف بايز الساذج". المعلوماتية الحيوية والهندسة الطبية الحيوية . سلسلة محاضرات في علوم الحاسوب. المجلد 9043. الصفحات 201-209 . doi : 10.1007/978-3-319-16483-0_20 . ISBN 978-3-319-16482-3.
↑ تشانغ، يودونغ؛ وانغ، شويهوا؛ دونغ، تشنغتشاو (2014). "تصنيف مرض الزهايمر بناءً على التصوير بالرنين المغناطيسي الهيكلي باستخدام شجرة قرار آلة المتجهات الداعمة ذات النواة" . التقدم في بحوث الكهرومغناطيسية . 144 : 185-191 . doi : 10.2528/PIER13121310 .
↑ سيغنايفسكي، ماكسيم؛ براستاوا، مارسيل؛ فاريل، كورت؛ تابيش، نبيل؛ بالدوين، إيلينا؛ هان، ناتاليا؛ إيدا، ميغان؛ كول، جون؛ برايس، كلير؛ بوروهيت، دوشيانت؛ هاروتونيان، فاهرام؛ ماكي، آن؛ شتاين، ثور؛ وايت الثالث، تشارلز؛ ووكر، جيمي؛ ريتشاردسون، تيموثي؛ هانسون، راسل؛ كوردون-كاردو، كارلوس؛ دونوفان، مايكل؛ زينه، جاك؛ فرنانديز، جيراردو؛ كراري، جون (2019). "الذكاء الاصطناعي في علم الأمراض العصبية: تقييم اعتلال تاو باستخدام التعلم العميق" . مجلة التحقيقات المختبرية . 99 (7): 1019-1029 . doi : 10.1038/s41374-019-0202-4 . PMC 7684013 . PMID 30770886 .
↑ فريستون، ك.؛ بولين، ج.ب.؛ هولمز، س.ج.؛ فريث، س.د.؛ فراكوفياك، ر.س. (1996). "تحليل متعدد المتغيرات لدراسات تنشيط التصوير المقطعي بالإصدار البوزيتروني". رسم خرائط الدماغ البشري 4 ( 2): 140-151 . doi : 10.1002/(SICI)1097-0193(1996)4:2 < 140::AID- HBM5 > 3.0.CO ; 2-3 . PMID 20408193. S2CID 9074888 .
↑ مارتينيز-مورسيا، إف جيه؛ غوريز، جيه إم؛ راميريز، جيه؛ بونتونيت، سي جي؛ إيلان، آي إيه (2013). " خرائط النشاط الوظيفي القائمة على مقاييس الأهمية وتحليل المكونات المستقلة" . أساليب وبرامج الحاسوب في الطب الحيوي . 111 (1): 255-268 . doi : 10.1016/j.cmpb.2013.03.015 . PMC 6701938. PMID 23660005 .
↑ دونغ، زد سي (2015). "الكشف عن الأفراد ومناطق الدماغ المرتبطة بمرض الزهايمر باستخدام صور الرنين المغناطيسي ثلاثية الأبعاد بناءً على خوارزمية الدماغ الذاتي والتعلم الآلي" . مجلة فرونتيرز في علم الأعصاب الحاسوبي . 66 (9): 66. doi : 10.3389/fncom.2015.00066 . PMC 4451357. PMID 26082713 .
↑ تشانغ، جيه؛ يو، سي؛ جيانغ، جي؛ ليو، دبليو؛ تونغ، إل. (2012). " تحليل النسيج ثلاثي الأبعاد على صور الرنين المغناطيسي لمرض الزهايمر". تصوير الدماغ والسلوك . 6 (1): 61-69 . doi : 10.1007/s11682-011-9142-3 . PMID 22101754. S2CID 10069584 .
^ تشوبين ، ماري. جيراردان، إميلي؛ كوينجنيت، ريمي؛ بوتيه، كلير؛ ليميو، لويس؛ ليهيريسي، ستيفان؛ بنعلي، حبيب؛ جارنيرو، لاين؛ كوليوت، أوليفييه (2009). "تجزئة وتصنيف الحصين التلقائي بالكامل في مرض الزهايمر والضعف الإدراكي المعتدل المطبق على بيانات من ADNI" . الحصين . 19 (6): 579-587 . دوى : 10.1002 / hipo.20626 . بمك 2837195 . بميد 19437497 .
↑ مارتينيز-مورسيا، إف جيه؛ غوريز، جيه إم؛ راميريز، جيه؛ أورتيز، إيه. (2016). "رسم خرائط كروية للدماغ باستخدام صور الرنين المغناطيسي للكشف عن مرض الزهايمر". أبحاث الزهايمر الحالية . 13 (5): 575-588 . doi : 10.2174/1567205013666160314145158 . hdl : 10481/42543 . PMID 26971941. S2CID 30472186 .
↑ "تشخيصات إكسيني" .
↑ هوانغ، كاو، وتشن (18 يونيو 2007). "مجموعة من خوارزميات معالجة الصور للتشخيص بمساعدة الحاسوب في صور مسح العظام لكامل الجسم في الطب النووي". معاملات IEEE في العلوم النووية . 54 (3): 514-522 . Bibcode : 2007ITNS...54..514H . doi : 10.1109/TNS.2007.897830 . S2CID 20730927 .
1 2 3 4 5 كور، م؛ تالوار، ر (2014). "مراجعة حول: استخلاص الأوعية الدموية والكشف عن اعتلال الشبكية". المجلة الدولية لعلوم الحاسوب وتقنيات المعلومات . 5 (6): 7513-7516 . S2CID 17460643 .
1 2 طفيل، أ؛ روديسيل، س؛ إيغان، س؛ كابيتاناكيس، ف.ف؛ سالاس-فيغا، س؛ أوين، س.ج؛ لي، أ؛ لو، ف؛ أندرسون، ج؛ ليو، ج؛ بولتر، ل؛ سرينيفاس، س؛ نيتالا، م؛ سادا، س؛ تايلور، ب؛ رودنيكا، أ.ر (بدون تاريخ). "برنامج آلي لتقييم صور اعتلال الشبكية السكري: دقة التشخيص وفعالية التكلفة مقارنةً بالتقييم البشري" . طب العيون . 124 (3): 343-351 . doi : 10.1016/j.ophtha.2016.11.014 . PMID 28024825 .
1 2 3 4 5 6 7 أحمد، أ.؛ منصور، أ.ب.؛ ممتاز، ر.؛ خان، م.؛ ميرزا، ش.هـ. (2014-12-01). "معالجة الصور وتصنيفها في اعتلال الشبكية السكري: مراجعة". ورشة العمل الأوروبية الخامسة لمعالجة المعلومات المرئية (EUVIP) لعام 2014. الصفحات 1-6 . doi : 10.1109/EUVIP.2014.7018362 . ISBN 978-1-4799-4572-6. S2CID 16465894 .
↑ فراز، م.م.؛ بارمان، س.أ.؛ ريماغنينو، ب.؛ هوب، أ.؛ باسيت، أ.؛ أويانونفارا، ب.؛ رودنيكا، أ.ر.؛ أوين، س.ج. (2012-11-01). "نهج لتحديد موقع الأوعية الدموية في الشبكية باستخدام مستويات البت وكشف الخط المركزي" . مجلة أساليب الحوسبة في التقدم في الطب الحيوي . 108 (2): 600-616 . doi : 10.1016/j.cmpb.2011.08.009 . ISSN 0169-2607 . PMID 21963241 .
↑ بريا، ر؛ أرونا، ب (2011). "مراجعة التشخيص الآلي لاعتلال الشبكية السكري باستخدام آلة المتجهات الداعمة". المجلة الدولية لبحوث الهندسة التطبيقية، دينديجول . 1 (4): 844-862 .
↑ عابدين، زين (10 نوفمبر 2023). "ما هو CAD/CAM؟" . ميكانيكال مينتور . تم الاسترجاع في 7 فبراير 2024 .
↑ صالح، مروان د.؛ إسواران، ج. (1 أكتوبر 2012). "نظام دعم قرار آلي لمرض اعتلال الشبكية السكري غير التكاثري يعتمد على الكشف عن الأجسام المضادة للشبكية والأجسام المضادة للشبكية". مجلة أساليب الحوسبة في الطب الحيوي ، 108 (1): 186-196 . doi : 10.1016/j.cmpb.2012.03.004 . ISSN: 0169-2607 . PMID: 22551841 .
1 2 أنتال، ب.؛ هاجدو، أ. (2012-06-01). "نظام قائم على التجميع للكشف عن تمدد الأوعية الدموية الدقيقة وتصنيف اعتلال الشبكية السكري". معاملات IEEE في الهندسة الطبية الحيوية . 59 (6): 1720-1726 . arXiv : 1410.8577 . doi : 10.1109 /TBME.2012.2193126 . ISSN 0018-9294 . PMID 22481810. S2CID 16382245 .
1 2 مدير (2015-05-20). "مراجعة حول: الكشف عن اعتلال الشبكية السكري باستخدام SVM وMDA" . المجلة الدولية لتطبيقات الحاسوب . 117 (20): 1-3 . Bibcode : 2015IJCA..117t...1S . doi : 10.5120/20667-2485 .
^ إسبونا، إل. كاريرا، إم جي؛ أورتيجا، م. بينيدو، إم جي (2007/06/06). “ثعبان لتجزئة الأوعية الشبكية”. في مارتي، جوان؛ بينيدي، خوسيه ميغيل؛ ميندونسا، آنا ماريا؛ سيرات، جوان (محرران). التعرف على الأنماط وتحليل الصور . ملاحظات محاضرة في علوم الكمبيوتر. المجلد. 4478. سبرينغر برلين هايدلبرغ. ص 178 – 185. دوى : 10.1007 / 978-3-540-72849-8_23 . رقم ISBN 9783540728481.
^ بايفا، عمر أنتونيس؛ بريفيديلو ، لوتشيانو م. (أكتوبر 2017). "التأثير المحتمل للذكاء الاصطناعي في مجال الأشعة" . الأشعة البرازيلية . 50 (5): الخامس – السادس. دوى : 10.1590/0100-3984.2017.50.5e1 . بمك 5656066 . بميد 29085178 .
↑ موخيرجي، سيدهارتا (27 مارس 2017). "الذكاء الاصطناعي في مواجهة الطب البشري". مجلة نيويوركر . تم الاطلاع عليه في 3 فبراير 2018 .
↑ "لماذا يُعدّ الذكاء الاصطناعي لقراءة الصور المقطعية خبراً سيئاً لأخصائيي الأشعة؟" . مجلة الإيكونوميست . 29 نوفمبر 2017. تاريخ الاطلاع: 3 فبراير 2018 .
↑ جها، سوراب؛ توبول، إريك ج . (13 ديسمبر 2016). "التكيف مع الذكاء الاصطناعي". مجلة الجمعية الطبية الأمريكية . 316 (22): 2353-2354 . doi : 10.1001/jama.2016.17438 . PMID 27898975. S2CID 3662362 .

روابط خارجية

[32] تم وصف هذه التحديات بمزيد من التفصيل هنا: ياناس ج، تريانتافيلو إي (2019). "التحديات السبعة الرئيسية لمستقبل التشخيص بمساعدة الحاسوب في الطب". المجلة الدولية للمعلوماتية الطبية. 129: 413-422. doi:10.1016/j.ijmedinf.2019.06.017. PMID 31445285. S2CID 198287435.

[1] "التشخيص بمساعدة الحاسوب: نقطة التحول في علم الأمراض الرقمي" . جمعية علم الأمراض الرقمي. 27 أبريل 2017.

[2] أوكدن-راينر، لوك (مايو 2019). "إعادة إحياء أنظمة التشخيص بمساعدة الحاسوب: كيف يختلف الذكاء الاصطناعي الحديث عن أنظمة التشخيص بمساعدة الحاسوب التي نعرفها؟" . علم الأشعة: الذكاء الاصطناعي . 1 (3) e180089. doi : 10.1148/ryai.2019180089 . ISSN 2638-6100 . PMC 8017402. PMID 33937793 .

[3] بيرد، ر. إي.؛ والاس، ت. و.؛ يانكاسكاس، ب. س. (1992). "تحليل حالات السرطان التي لم يتم اكتشافها في فحص الماموجرام". مجلة علم الأشعة . 184 (3): 613-617 . doi : 10.1148/radiology.184.3.1509041 . PMID 1509041 .

[4] بيكر، جيه إيه؛ روزن، إي إل؛ لو، جيه واي؛ وآخرون (2003). "الكشف بمساعدة الحاسوب (CAD) في تصوير الثدي الشعاعي: حساسية أنظمة CAD التجارية للكشف عن التشوه المعماري". المجلة الأمريكية للأشعة . 181 (4): 1083-1088 . doi : 10.2214/ajr.181.4.1811083 . PMID 14500236 .

[5] جانغ، هـ. ج.؛ لي، ك. س.؛ كوون، أ. ج.؛ وآخرون . (1996). "سرطان القصبات الهوائية السنخية: منطقة موضعية من التعتيم الزجاجي في التصوير المقطعي المحوسب ذي المقاطع الرقيقة كعلامة مبكرة". مجلة علم الأشعة . 199 (2): 485-488 . doi : 10.1148/radiology.199.2.8668800 . PMID 8668800 .

[6] سوزوكي، ك.؛ لي، ف.؛ سون، س.؛ دوي، ك. (2005). "مخطط تشخيصي بمساعدة الحاسوب للتمييز بين العُقيدات الحميدة والخبيثة في التصوير المقطعي المحوسب منخفض الجرعة للصدر باستخدام شبكة عصبية اصطناعية ذات تدريب مكثف". معاملات IEEE في التصوير الطبي . 24 (9): 1138-1150 . doi : 10.1109/tmi.2005.852048 . PMID 16156352. S2CID 2690415 .

[7] لوستومبو، أ.؛ سوزوكي، ك.؛ داشمان، أ.هـ. (2010). "الآفات المسطحة في تصوير القولون المقطعي المحوسب". تصوير البطن . 35 (5): 578-583 . doi : 10.1007/s00261-009-9562-3 . PMID 19633882. S2CID 13487349 .

[8] ليا، أندرو س. (2023). رقمنة التشخيص: الطب، والعقول، والآلات في أمريكا في القرن العشرين . مطبعة جامعة جونز هوبكنز. ص 1-256 . ISBN 978-1421446813.

[CADsurvey-9] 1 2 3 ياناس ج، تريانتافيلو إي (2019). "دراسة منهجية للتشخيص بمساعدة الحاسوب في الطب: التطورات الماضية والحالية". أنظمة الخبراء وتطبيقاتها . 138 112821. doi : 10.1016/j.eswa.2019.112821 . S2CID 199019309 .

[10] شورتليف إي إتش، وبوكانان بي جي (1975). "نموذج للاستدلال غير الدقيق في الطب". العلوم البيولوجية الرياضية . 23 ( 3-4 ): 351-379 . doi : 10.1016/0025-5564(75)90047-4 . S2CID 118063112 .

[11] ميلر، ر. أ.، بوبل الابن، هـ. إ.، ومايرز، ج. د. (1982). "الطبيب الباطني-1، مستشار تشخيصي تجريبي قائم على الحاسوب للطب الباطني العام". مجلة نيو إنجلاند الطبية . 307 (8): 468-476 . doi : 10.1056/NEJM198208193070803 . PMID 7048091 .

[12] فيجنباوم، إدوارد؛ ماكوردوك، باميلا (1984). الجيل الخامس . أديسون-ويسلي. ص 1-275 . ISBN 978-0451152640.

[Salcudean-13] سالكوديان، إس إي؛ بيل، جي؛ باخمان، إس؛ تشو، دبليو إتش؛ أبو المعصومي، بي؛ لورانس، بي دي (1999)، "التصوير بالموجات فوق الصوتية التشخيصية بمساعدة الروبوت - تصميم وتجارب الجدوى"، ميكاي99 ، سلسلة محاضرات في علوم الحاسوب، المجلد 1679، سبرينغر، الصفحات 1062-1071 ، doi : 10.1007/10704282_115 ، ISBN 978-3-540-66503-8

[Dario1988-14] داريو، ب.؛ بيرغاماسكو، م. (1988)، "نظام روبوت متطور لمهام التشخيص الآلي عن طريق الجس"، معاملات IEEE في الهندسة الطبية الحيوية ، 35 (2): 118-126 ، doi : 10.1109/10.1349 ، PMID 3350538 ، S2CID 24390579

[15] ريتشارد م. كارب (1972). "قابلية الاختزال بين المسائل التوافقية" (ملف PDF) . في: ر. إ. ميلر؛ ج. و. ثاتشر (محرران). تعقيد الحسابات الحاسوبية . نيويورك: بلينوم. الصفحات 85-103 . مؤرشف من الأصل (ملف PDF) بتاريخ 29-06-2011 . تم الاطلاع عليه بتاريخ 14-08-2019 .

[16] دوي ك (2007). "التشخيص بمساعدة الحاسوب في التصوير الطبي: مراجعة تاريخية، الوضع الحالي، والإمكانات المستقبلية" . التصوير الطبي المحوسب والرسومات . 31 (4): 198-211 . doi : 10.1016/j.compmedimag.2007.02.002 . PMC 1955762. PMID 17349778 .

[17] أبين، بروس (2013-02-08). "واتسون من آي بي إم يحصل على أول صفقة له في مجال الرعاية الصحية" . فوربس . تم الاطلاع عليه في 10 مارس 2013 .

[18] كوهن، جوناثان (مارس 2013). "الروبوت سيراك الآن" . مجلة ذا أتلانتيك .

[19] إتشيغاراي، سيباستيان؛ جيفيرت، أوليفييه؛ شاه، راجيش؛ كامايا، آيا؛ لوي، جون؛ كوثاري، نيشيتا؛ نابيل، ساندي (18 نوفمبر 2015). "عينات أساسية لخصائص علم الأشعة غير الحساسة لتجزئة الورم: المنهجية ودراسة تجريبية باستخدام صور الأشعة المقطعية لسرطان الخلايا الكبدية" . مجلة التصوير الطبي . 2 (4) 041011. doi : 10.1117/1.JMI.2.4.041011 . PMC 4650964. PMID 26587549 .

[20] مورفي، ك.؛ فان جينيكن، ب.؛ شيلهام، أ.م.؛ وآخرون (2009). "تقييم واسع النطاق للكشف التلقائي عن عقيدات الرئة في التصوير المقطعي المحوسب للصدر باستخدام خصائص الصورة المحلية وتصنيف أقرب جار". تحليل الصور الطبية . 13 (5): 757-770 . doi : 10.1016/j.media.2009.07.001 . hdl : 2066/81262 . PMID 19646913. S2CID 25181663 .

[21] سوزوكي، ك.؛ أرماتو الثالث، إس جي؛ لي، إف.؛ سون، إس.؛ دوي، ك. (2003). "شبكة عصبية اصطناعية ذات تدريب مكثف (MTANN) لتقليل النتائج الإيجابية الخاطئة في الكشف المحوسب عن عقيدات الرئة في التصوير المقطعي المحوسب بجرعة منخفضة". الفيزياء الطبية . 30 (7): 1602-1617 . Bibcode : 2003MedPh..30.1602S . doi : 10.1118/1.1580485 . PMID 12906178 .

[22] تشان، إتش بي؛ لو، إس سي؛ ساهينر، بي؛ وآخرون (1995). "الكشف بمساعدة الحاسوب عن التكلسات الدقيقة في تصوير الثدي الشعاعي: التعرف على الأنماط باستخدام شبكة عصبية اصطناعية". الفيزياء الطبية . 22 (10): 1555-1567 . Bibcode : 1995MedPh..22.1555C . doi : 10.1118/1.597428 . hdl : 2027.42/134770 . PMID 8551980 .

[23] غليتسوس، ميلتياديس؛ موجياكاكو، ستافرولا؛ ماتسوبولوس، جورج؛ نيكيتا، كونستانتينا؛ نيكيتا، ألكسندرا؛ كيليكيس، ديميتريوس (2003). "نظام تشخيصي بمساعدة الحاسوب لتوصيف آفات الكبد البؤرية في التصوير المقطعي المحوسب: تصميم وتحسين مصنف الشبكة العصبية". معاملات IEEE في تكنولوجيا المعلومات في الطب الحيوي . 7 (3): 153-162 . doi : 10.1109/TITB.2003.813793 . PMID 14518728. S2CID 18918667 .

[24] موجياكاكو، ستافرولا؛ غوليماتي، سبيريتا؛ غوسياس، يوانيس؛ نيكولايدس، أندرو؛ نيكيتا، كونستانتينا (2007). "التشخيص بمساعدة الحاسوب لتصلب الشرايين السباتية بناءً على إحصائيات صور الموجات فوق الصوتية، ونسيج القوانين، والشبكات العصبية". الموجات فوق الصوتية في الطب وعلم الأحياء . 33 (1): 26-36 . doi : 10.1016/j.ultrasmedbio.2006.07.032 . PMID 17189044 .

[25] ستويتسيس، جون؛ فالافانيس، يوانيس؛ موجياكاكو، ستافرولا؛ غوليماتي، سبيريتا؛ نيكيتا، ألكسندرا؛ نيكيتا، كونستانتينا (2006). "التشخيص بمساعدة الحاسوب باستخدام معالجة الصور الطبية وأساليب الذكاء الاصطناعي". مجلة الأدوات والأساليب النووية في بحوث الفيزياء، القسم أ: المسرعات، والمطيافات، وأجهزة الكشف، والمعدات المرتبطة بها . 569 (2): 591-595 . Bibcode : 2006NIMPA.569..591S . doi : 10.1016/j.nima.2006.08.134 .

[26] تشين، س.؛ سوزوكي، ك.؛ ماكماهون، هـ. (2011). "تطوير وتقييم نظام تشخيصي بمساعدة الحاسوب للكشف عن عقيدات الرئة في صور الأشعة السينية للصدر باستخدام تحسين العقيدات على مرحلتين مع تصنيف متجه الدعم" . الفيزياء الطبية . 38 (4): 1844-1858 . Bibcode : 2011MedPh..38.1844C . doi : 10.1118/1.3561504 . PMC 3069992. PMID 21626918 .

[27] بابادوبولوس، أ.؛ فوتياديس، د.إ.؛ ليكاس، أ. (2005). "توصيف التكلسات الدقيقة المتجمعة في صور الثدي الشعاعية الرقمية باستخدام الشبكات العصبية وآلات المتجهات الداعمة". الذكاء الاصطناعي في الطب . 34 (2): 141-150 . doi : 10.1016/j.artmed.2004.10.001 . PMID 15894178 .

[28] وولينويبر ت. جانكي ب. تيتشمان أ. فرويند م. (2007). "العلاقة بين الأنسجة النسيجية Befund und einem Computer-assistierten Detektionssystem (CAD) for the Mammografie". جيبورتش فراوينهيلك . 67 (2): 135-141 . دوى : 10.1055/s-2006-955983 . S2CID 73122975 .

[SevenChallenges-29] 1 2 3 4 5 ياناس ج، تريانتافيلو إي (2019). "التحديات السبعة الرئيسية لمستقبل التشخيص بمساعدة الحاسوب في الطب". المجلة الدولية للمعلوماتية الطبية . 129 : 413-422 . doi : 10.1016/j.ijmedinf.2019.06.017 . PMID 31445285. S2CID 198287435 .

[30] وادوا، آر آر؛ بارك، دي واي؛ ناتوفيتش، إم آر (2018). "دقة أدوات التشخيص الحاسوبية لتحديد الاضطرابات الوراثية المتزامنة". المجلة الأمريكية لعلم الوراثة الطبية، الجزء أ . 176 (12): 2704-2709 . doi : 10.1002/ajmg.a.40651 . PMID 30475443. S2CID 53758271 .

[31] برون إي، سميتس إم، فان دير فلاير دبليو إم، فرينكن إتش، باركهوف إف، شيلتينز بي، بابما جي إم، ستيكيتي آر إم، أوريلانا سي إم، ميجبوم آر، وبينتو إم (2015). “التقييم الموحد للخوارزميات لتشخيص الخرف بمساعدة الكمبيوتر على أساس التصوير بالرنين المغناطيسي الهيكلي: تحدي الخرف CAD” . صورة عصبية . 111 : 562– 579. دوى : 10.1016/j.neuroimage.2015.01.048 . بمك 4943029 . بميد 25652394 .

[33] تايلور، ب.، وبوتس، هـ. و. (2008). "المساعدات الحاسوبية والمراجعة البشرية الثانية كتدخلات في فحص الثدي بالأشعة السينية: مراجعتان منهجيتان لمقارنة التأثيرات على اكتشاف السرطان ومعدل الاستدعاء" (ملف PDF) . المجلة الأوروبية للسرطان . 44 (6): 798-807 . doi : 10.1016/j.ejca.2008.02.016 . PMID 18353630 .

[34] بنجامينز، ستان؛ دهونو، برانافسينغ؛ ميسكو، بيرتالان (2020). "حالة الأجهزة والخوارزميات الطبية المعتمدة من إدارة الغذاء والدواء الأمريكية والقائمة على الذكاء الاصطناعي: قاعدة بيانات إلكترونية" . مجلة npj للطب الرقمي . 3 118. doi : 10.1038/s41746-020-00324-0 . PMC 7486909. PMID 32984550 .

[35] آبي ، يوشيوكي. هاناي، كوزو؛ ناكانو، ماكيكو؛ أوكوبو، ياسويوكي؛ هاسيزومي، توشينوري؛ كاكيزاكي، تورو؛ ناكامورا، ماساتو؛ نيكي، نوبورو؛ إيجوتشي ، كينجي (2005-01-01). "نظام التشخيص بمساعدة الكمبيوتر (CAD) في فحص سرطان الرئة باستخدام التصوير المقطعي المحوسب" . أبحاث مكافحة السرطان . 25 (1 ب): 483-488 . ISSN 0250-7005 . بميد 15816616 .

[36] وو ن، جامسو ج، تشوم ج، هيلد ب، ثاكور ر، نيكولا ج (مارس 2006). "الكشف عن العُقيدات الرئوية الصغيرة باستخدام التصوير الشعاعي الرقمي المباشر وأنظمة أرشفة الصور والاتصالات". مجلة تصوير الصدر . 21 (1): 27-31 . doi : 10.1097/01.rti.0000203638.28511.9b . PMID 16538152. S2CID 31230950 .

[37] جيجر، ماري إيلين ليساك؛ دوي، كونيو؛ ماكماهون، هيبر (1988-03-01). "تحليل خصائص الصورة والتشخيص بمساعدة الحاسوب في التصوير الشعاعي الرقمي. 3. الكشف الآلي عن العُقيدات في حقول الرئة الطرفية". الفيزياء الطبية . 15 (2): 158-166 . Bibcode : 1988MedPh..15..158G . doi : 10.1118/1.596247 . ISSN 2473-4209 . PMID 3386584 .

[38] جينكن، ب. فان؛ روميني، بي إم تير هار؛ فيرجفير، MA (2001/12/01). "التشخيص بمساعدة الكمبيوتر في التصوير الشعاعي للصدر: مسح" . معاملات IEEE على التصوير الطبي . 20 (12): 1228-1241 . دوى : 10.1109 / 42.974918 . ISSN 0278-0062 . بميد 11811823 . S2CID 6280485 .

[39] كوبيني، جي.؛ ديتشيوتي، إس.؛ فالشيني، إم.؛ فيلاري، إن.؛ فالي، جي. (1 ديسمبر 2003). "الشبكات العصبية للتشخيص بمساعدة الحاسوب: الكشف عن عقيدات الرئة في صور الأشعة السينية للصدر". مجلة IEEE للمعاملات في تكنولوجيا المعلومات في الطب الحيوي . 7 (4): 344-357 . doi : 10.1109/TITB.2003.821313 . ISSN 1089-7771 . PMID 15000360. S2CID 15121082 .

[40] جيجر، إم إل؛ باي، كيه تي؛ ماكماهون، إتش. (1994-04-01). "الكشف المحوسب عن العُقيدات الرئوية في صور الأشعة المقطعية". مجلة الأشعة التشخيصية . 29 (4): 459-465 . doi : 10.1097/00004424-199404000-00013 . ISSN 0020-9996 . PMID 8034453. S2CID 9800069 .

[41] كانازاوا، ك.؛ كاواتا، ي.؛ نيكي، ن.؛ ساتوه، هـ.؛ أوماتسو، هـ.؛ كاكينوما، ر.؛ كانيكو، م.؛ مورياما، ن.؛ إيغوتشي، ك. (1998-03-01). "التشخيص بمساعدة الحاسوب للعقيدات الرئوية بناءً على صور الأشعة المقطعية الحلزونية" . التصوير الطبي المحوسب والرسومات . 22 (2): 157-167 . doi : 10.1016/S0895-6111(98)00017-2 . ISSN 0895-6111 . PMID 9719856. مؤرشف من الأصل في 2021-04-27 . تم الاسترجاع في 2017-05-04 .

[42] تشين، شينغ؛ تشونغ، سيكاي؛ ياو، ليبينغ؛ شانغ، يانفنغ؛ سوزوكي، كينجي (2016). "تحسين صور الأشعة السينية للصدر التي تم الحصول عليها في وحدة العناية المركزة من خلال كبت العظام والمعالجة المتسقة". الفيزياء في الطب وعلم الأحياء . 61 (6): 2283-2301 . Bibcode : 2016PMB....61.2283C . doi : 10.1088 / 0031-9155/61/6/2283 . PMID 26930386. S2CID 206020910 .

[43] تشين، س.؛ سوزوكي، ك. (2014-02-01). "فصل العظام من صور الأشعة السينية للصدر باستخدام شبكات عصبية اصطناعية متعددة التدريب ذات خصائص تشريحية محددة، مقترنة بتنعيم تقليل التباين الكلي". معاملات IEEE في التصوير الطبي . 33 (2): 246-257 . doi : 10.1109/TMI.2013.2284016 . ISSN 0278-0062 . PMID 24132005. S2CID 922550 .

[44] سوزوكي، ك.؛ آبي، هـ.؛ ماكماهون، هـ.؛ دوي، ك. (1 أبريل 2006). "تقنية معالجة الصور لإخفاء الأضلاع في صور الأشعة السينية للصدر باستخدام شبكة عصبية اصطناعية ذات تدريب مكثف (MTANN)". مجلة IEEE للمعاملات في التصوير الطبي . 25 (4 ) : 406-416 . CiteSeerX 10.1.1.589.8748 . doi : 10.1109/TMI.2006.871549 . ISSN 0278-0062 . PMID 16608057. S2CID 17961280 .

[45] لوغ، م؛ فانجينيكن، ب؛ شيلهام، أ (1 ديسمبر 2006). "التعلم بالتصفية: تطبيق على إخفاء البنى العظمية من صور الأشعة السينية للصدر". تحليل الصور الطبية . 10 (6): 826-840 . doi : 10.1016/j.media.2006.06.002 . ISSN 1361-8415 . PMID 16859953 .

[Chen_369–378-46] تشين، س.؛ سوزوكي، ك. (2013-02-01). "الكشف المحوسب عن عقيدات الرئة باستخدام التصوير الشعاعي ثنائي الطاقة الافتراضي" . مجلة IEEE للمعاملات في الهندسة الطبية الحيوية . 60 (2): 369-378 . doi : 10.1109/TBME.2012.2226583 . ISSN 0018-9294 . PMC 4283823. PMID 23193306 .

[bell-47] بيل، إل تي أو؛ غاندي، إس. (2018). "مقارنة برامج الكشف بمساعدة الحاسوب (CAD) لتحديد سلائل القولون والمستقيم: تحليل الأداء والحساسية، والقيود الحالية، ونصائح عملية لأخصائيي الأشعة". الأشعة السريرية . 73 (6) 593.e11–593.e18. doi : 10.1016/j.crad.2018.02.009 . PMID 29602538. S2CID 4500060 .

[48] سوزوكي، كينجي؛ يوشيدا، هيرويوكي؛ نابي، يان؛ داشمان، أبراهام هـ. (2006-10-01). "شبكة عصبية اصطناعية ذات تدريب مكثف (MTANN) لتقليل النتائج الإيجابية الخاطئة في الكشف بمساعدة الحاسوب عن الأورام الحميدة: كبح الأنابيب الشرجية". الفيزياء الطبية . 33 (10): 3814-3824 . Bibcode : 2006MedPh..33.3814S . doi : 10.1118/1.2349839 . ISSN 2473-4209 . PMID 17089846 .

[49] غوليماتي، سبيريتا؛ نيكيتا، كونستانتينا (2019). الحوسبة القلبية الوعائية - المنهجيات والتطبيقات السريرية . سبرينغر.

[50] غاستونيوتي، إيميليا؛ ماكرو ديميتريس، ستافروس؛ غوليماتي، سبيريتا؛ كادوغلو، نيكولاوس؛ ليابيس، كريستوس؛ نيكيتا، كونستانتينا (2014). "أداة حاسوبية جديدة لتصنيف مخاطر تصلب الشرايين السباتية باستخدام الخصائص الحركية لجدار الشريان" . مجلة IEEE للمعلوماتية الطبية الحيوية والصحية . 19 (3): 1137-1145 . doi : 10.1109/JBHI.2014.2329604 . PMID 24951709. S2CID 5924749 .

[51] غوليماتي، سبيريتا؛ غاستونيوتي، إيميليا؛ نيكيتا، كونستانتينا (2013). "نحو مؤشرات جديدة غير جراحية ومنخفضة التكلفة للتنبؤ بالسكتات الدماغية في تصلب الشرايين السباتية بدون أعراض: دور تحليل صور الموجات فوق الصوتية". معاملات IEEE في الهندسة الطبية الحيوية . 60 (3): 652-658 . doi : 10.1109/TBME.2013.2244601 . PMID 23380846. S2CID 5653986 .

[52] غوليماتي، سبيريتا؛ باتيلاكي، إيليني؛ غاستونيوتي، إيميليا؛ أندرياديس، يوانيس؛ ليابيس، كريستوس؛ نيكيتا، كونستانتينا (2020). "أنماط تزامن الحركة للويحة تصلب الشرايين السباتية من خلال التصوير بالموجات فوق الصوتية ثنائية الأبعاد" . التقارير العلمية . 10 (1): 11221. Bibcode : 2020NatSR..1011221G . doi : 10.1038/ s41598-020-65340-2 . PMC 7343786. PMID 32641773 .

[53] ريزي، فرشته؛ الاتحاد الأفريقي، جايسون. يلي أوليلا، هيكي؛ جوليماتي، سبيريتا؛ ماكونايت، مونيكا؛ أوركيش، ماسيج؛ نواب، ناصر؛ ماكدونالد، مورين. لايتينن، تينا مارجا؛ بهنام، حميد؛ جاو، جيفان؛ غاستونيوتي، إيميليا؛ جوركونيس، ريتيس. فيراي، ديدييه؛ لايتينن، تومي؛ سيروسكلات، أندريه؛ نيكيتا، كونستانتينا؛ زهند ، غيوم (2020). “الحركة الطولية للجدار السباتي في التصوير بالموجات فوق الصوتية: مراجعة بإجماع الخبراء”. الموجات فوق الصوتية في الطب والبيولوجيا . 46 (10): 2605-2624 . دوى : 10.1016/j.ultrasmedbio.2020.06.006 . PMID 32709520 . S2CID 225545904 .

[54] غوليماتي، سبيريتا؛ غاستونيوتي، إيميليا؛ نيكيتا، كونستانتينا (2016). "تقدير حركة أنسجة القلب والأوعية الدموية باستخدام صور الموجات فوق الصوتية". مجلة IEEE للمراجعات في الهندسة الطبية الحيوية . 9 : 208-218 . doi : 10.1109/RBME.2016.2558147 . S2CID 23333131 .

[55] غاستونيوتي، إيميليا؛ غوليماتي، سبيريتا؛ ستويتسيس، جون؛ نيكيتا، كونستانتينا (2013). "تحليل حركة جدار الشريان السباتي باستخدام الموجات فوق الصوتية ثنائية الأبعاد بتقنية مطابقة الكتل التكيفية: تقييم حاسوبي وتطبيق عملي". الفيزياء في الطب وعلم الأحياء . 58 (24): 8647-8661 . Bibcode : 2013PMB....58.8647G . doi : 10.1088/0031-9155/58/24/8647 . PMID: 24256708. S2CID : 11571104 .

[56] غاستونيوتي، إيميليا؛ كولياس، فاسيليوس؛ جوليماتي، سبيريتا؛ تسياباراس، نيكولاوس؛ ماتساكو، أيكاتريني؛ ستيتسيس، جون؛ كادوغلو، نيكولاوس؛ جككاس، كريستوس؛ كاكيسيس، جون؛ ليابيس، كريستوس؛ كاراكيتسوس، بيتروس؛ سارافيس، يوانيس؛ أنجيليديس، باديليس؛ نيكيتا ، كونستانتينا (2014). "CAROTID - منصة على شبكة الإنترنت للإدارة الشخصية المثلى لمرضى تصلب الشرايين". طرق وبرامج الحاسوب في الطب الحيوي . 114 (2): 183-193 . دوى : 10.1016/j.cmpb.2014.02.006 . بميد 24636805 .

[57] غولدنبرغ، رومان؛ إيلوت، دوف؛ بيغلمان، غريغوري؛ والاش، يوجين؛ بن-إيشاي، إيال؛ بيليد، ناثان (2012). "الفرز البسيط بمساعدة الحاسوب (CAST) لتصوير الأوعية التاجية المقطعي المحوسب (CCTA)" . المجلة الدولية للتصوير الإشعاعي والجراحة بمساعدة الحاسوب . 7 (6 ) : 819-827 . doi : 10.1007/s11548-012-0684-7 . ISSN 1861-6410 . PMID 22484719. S2CID 5627031 .

[58] تشابلوت، سانديب؛ باتنايك، إل إم؛ جاغاناثان، إن آر (2006). "تصنيف صور الرنين المغناطيسي للدماغ باستخدام الموجات الصغيرة كمدخلات لآلة المتجهات الداعمة والشبكة العصبية". معالجة الإشارات والتحكم في الطب الحيوي . 1 : 86-92 . doi : 10.1016/j.bspc.2006.05.002 .

[59] مايترا، مادهوبانتي؛ تشاتيرجي، أميتافا (2006). "نظام ذكي قائم على تحويل سلانتليت لتصنيف صور الرنين المغناطيسي للدماغ". معالجة الإشارات والتحكم في الطب الحيوي . 1 (4): 299-306 . doi : 10.1016/j.bspc.2006.12.001 .

[60] وانغ، س.؛ وو، و. (2010). "طريقة جديدة لتصنيف صور الرنين المغناطيسي للدماغ تعتمد على خوارزمية تحسين سرب الجسيمات الفوضوية التكيفية" . التقدم في بحوث الكهرومغناطيسية . 109 : 325-343 . doi : 10.2528/PIER10090105 .

[61] تشانغ، يودونغ؛ وو، ل. (2011). "تصنيف صور الرنين المغناطيسي للدماغ باستخدام خوارزمية محسّنة لمستعمرة النحل الاصطناعية" . التقدم في بحوث الكهرومغناطيسية . 2011 : 65-79 . doi : 10.2528/PIER11031709 .

[ReferenceA-62] بادما ، أ.؛ سوكانيش ، ر. (2014). "تجزئة وتصنيف صور الأشعة المقطعية للدماغ باستخدام ميزات نسيجية إحصائية مُدمجة من الموجات الصغيرة". المجلة العربية للعلوم والهندسة . 39 (2): 767-776 . doi : 10.1007/s13369-013-0649-3 . S2CID 62615810 .

[63] تشانغ، يودونغ؛ دونغ، تشنغتشاو؛ جي، جينلين (2015). "تأثير مخطط شبكة العنكبوت في تصنيف صور الرنين المغناطيسي للدماغ". رسائل التعرف على الأنماط . 62 : 14-16 . Bibcode : 2015PaReL..62...14Z . doi : 10.1016/j.patrec.2015.04.016 .

[64] تشانغ، ي.؛ وانغ، س.؛ جي، ج.؛ دونغ، ز. (2013). "البحث عن الأنماط الجينية وتطبيقه على تصنيف صور الدماغ" . مسائل رياضية في الهندسة . 2013 : 1-8 . doi : 10.1155/2013/580876 .

[65] داس س.؛ تشودري م.؛ كوندو م.ك. (2013). "تصنيف صور الرنين المغناطيسي للدماغ باستخدام التحليل الهندسي متعدد المقاييس للتموجات" . التقدم في بحوث الكهرومغناطيسية . 137 : 1-17 . doi : 10.2528/pier13010105 .

[66] تشانغ، ي.؛ وانغ، س. (2013). "نظام تصنيف صور الدماغ بالرنين المغناطيسي باستخدام خوارزمية تحسين سرب الجسيمات وآلة المتجهات الداعمة ذات النواة" . مجلة العالم العلمي . 2013 130134. doi : 10.1155/2013/130134 . PMC 3791634. PMID 24163610 .

[67] كالبخاني، ح.؛ شايسته، م. ج.؛ زالي-فارغاهان، ب. (2013). "خوارزمية قوية لتصنيف صور الرنين المغناطيسي للدماغ بناءً على سلسلة تباينات GARCH". معالجة الإشارات والتحكم في الطب الحيوي . 8 (6): 909-919 . doi : 10.1016/j.bspc.2013.09.001 .

[68] الدهشان، إي إس إيه؛ محسن، إتش إم؛ ريفيت، ك؛ وآخرون (2014). "التشخيص بمساعدة الحاسوب لأورام الدماغ البشري من خلال التصوير بالرنين المغناطيسي: دراسة استقصائية وخوارزمية جديدة". أنظمة الخبراء وتطبيقاتها . 41 (11): 5526-5545 . doi : 10.1016/j.eswa.2014.01.021 .

[69] تشو، شينغ-شينغ (2015). "الكشف عن أمراض الدماغ في التصوير بالرنين المغناطيسي باستخدام إنتروبيا الموجات الصغيرة ومصنف بايز الساذج". المعلوماتية الحيوية والهندسة الطبية الحيوية . سلسلة محاضرات في علوم الحاسوب. المجلد 9043. الصفحات 201-209 . doi : 10.1007/978-3-319-16483-0_20 . ISBN 978-3-319-16482-3.

[70] تشانغ، يودونغ؛ وانغ، شويهوا؛ دونغ، تشنغتشاو (2014). "تصنيف مرض الزهايمر بناءً على التصوير بالرنين المغناطيسي الهيكلي باستخدام شجرة قرار آلة المتجهات الداعمة ذات النواة" . التقدم في بحوث الكهرومغناطيسية . 144 : 185-191 . doi : 10.2528/PIER13121310 .

[71] سيغنايفسكي، ماكسيم؛ براستاوا، مارسيل؛ فاريل، كورت؛ تابيش، نبيل؛ بالدوين، إيلينا؛ هان، ناتاليا؛ إيدا، ميغان؛ كول، جون؛ برايس، كلير؛ بوروهيت، دوشيانت؛ هاروتونيان، فاهرام؛ ماكي، آن؛ شتاين، ثور؛ وايت الثالث، تشارلز؛ ووكر، جيمي؛ ريتشاردسون، تيموثي؛ هانسون، راسل؛ كوردون-كاردو، كارلوس؛ دونوفان، مايكل؛ زينه، جاك؛ فرنانديز، جيراردو؛ كراري، جون (2019). "الذكاء الاصطناعي في علم الأمراض العصبية: تقييم اعتلال تاو باستخدام التعلم العميق" . مجلة التحقيقات المختبرية . 99 (7): 1019-1029 . doi : 10.1038/s41374-019-0202-4 . PMC 7684013 . PMID 30770886 .

[72] فريستون، ك.؛ بولين، ج.ب.؛ هولمز، س.ج.؛ فريث، س.د.؛ فراكوفياك، ر.س. (1996). "تحليل متعدد المتغيرات لدراسات تنشيط التصوير المقطعي بالإصدار البوزيتروني". رسم خرائط الدماغ البشري 4 ( 2): 140-151 . doi : 10.1002/(SICI)1097-0193(1996)4:2 < 140::AID- HBM5 > 3.0.CO ; 2-3 . PMID 20408193. S2CID 9074888 .

[73] مارتينيز-مورسيا، إف جيه؛ غوريز، جيه إم؛ راميريز، جيه؛ بونتونيت، سي جي؛ إيلان، آي إيه (2013). " خرائط النشاط الوظيفي القائمة على مقاييس الأهمية وتحليل المكونات المستقلة" . أساليب وبرامج الحاسوب في الطب الحيوي . 111 (1): 255-268 . doi : 10.1016/j.cmpb.2013.03.015 . PMC 6701938. PMID 23660005 .

[74] دونغ، زد سي (2015). "الكشف عن الأفراد ومناطق الدماغ المرتبطة بمرض الزهايمر باستخدام صور الرنين المغناطيسي ثلاثية الأبعاد بناءً على خوارزمية الدماغ الذاتي والتعلم الآلي" . مجلة فرونتيرز في علم الأعصاب الحاسوبي . 66 (9): 66. doi : 10.3389/fncom.2015.00066 . PMC 4451357. PMID 26082713 .

[75] تشانغ، جيه؛ يو، سي؛ جيانغ، جي؛ ليو، دبليو؛ تونغ، إل. (2012). " تحليل النسيج ثلاثي الأبعاد على صور الرنين المغناطيسي لمرض الزهايمر". تصوير الدماغ والسلوك . 6 (1): 61-69 . doi : 10.1007/s11682-011-9142-3 . PMID 22101754. S2CID 10069584 .

[76] تشوبين ، ماري. جيراردان، إميلي؛ كوينجنيت، ريمي؛ بوتيه، كلير؛ ليميو، لويس؛ ليهيريسي، ستيفان؛ بنعلي، حبيب؛ جارنيرو، لاين؛ كوليوت، أوليفييه (2009). "تجزئة وتصنيف الحصين التلقائي بالكامل في مرض الزهايمر والضعف الإدراكي المعتدل المطبق على بيانات من ADNI" . الحصين . 19 (6): 579-587 . دوى : 10.1002 / hipo.20626 . بمك 2837195 . بميد 19437497 .

[77] مارتينيز-مورسيا، إف جيه؛ غوريز، جيه إم؛ راميريز، جيه؛ أورتيز، إيه. (2016). "رسم خرائط كروية للدماغ باستخدام صور الرنين المغناطيسي للكشف عن مرض الزهايمر". أبحاث الزهايمر الحالية . 13 (5): 575-588 . doi : 10.2174/1567205013666160314145158 . hdl : 10481/42543 . PMID 26971941. S2CID 30472186 .

[78] "تشخيصات إكسيني" .

[79] هوانغ، كاو، وتشن (18 يونيو 2007). "مجموعة من خوارزميات معالجة الصور للتشخيص بمساعدة الحاسوب في صور مسح العظام لكامل الجسم في الطب النووي". معاملات IEEE في العلوم النووية . 54 (3): 514-522 . Bibcode : 2007ITNS...54..514H . doi : 10.1109/TNS.2007.897830 . S2CID 20730927 .

[:0-80] 1 2 3 4 5 كور، م؛ تالوار، ر (2014). "مراجعة حول: استخلاص الأوعية الدموية والكشف عن اعتلال الشبكية". المجلة الدولية لعلوم الحاسوب وتقنيات المعلومات . 5 (6): 7513-7516 . S2CID 17460643 .

[Tufail-81] 1 2 طفيل، أ؛ روديسيل، س؛ إيغان، س؛ كابيتاناكيس، ف.ف؛ سالاس-فيغا، س؛ أوين، س.ج؛ لي، أ؛ لو، ف؛ أندرسون، ج؛ ليو، ج؛ بولتر، ل؛ سرينيفاس، س؛ نيتالا، م؛ سادا، س؛ تايلور، ب؛ رودنيكا، أ.ر (بدون تاريخ). "برنامج آلي لتقييم صور اعتلال الشبكية السكري: دقة التشخيص وفعالية التكلفة مقارنةً بالتقييم البشري" . طب العيون . 124 (3): 343-351 . doi : 10.1016/j.ophtha.2016.11.014 . PMID 28024825 .

[:1-82] 1 2 3 4 5 6 7 أحمد، أ.؛ منصور، أ.ب.؛ ممتاز، ر.؛ خان، م.؛ ميرزا، ش.هـ. (2014-12-01). "معالجة الصور وتصنيفها في اعتلال الشبكية السكري: مراجعة". ورشة العمل الأوروبية الخامسة لمعالجة المعلومات المرئية (EUVIP) لعام 2014. الصفحات 1-6 . doi : 10.1109/EUVIP.2014.7018362 . ISBN 978-1-4799-4572-6. S2CID 16465894 .

[83] فراز، م.م.؛ بارمان، س.أ.؛ ريماغنينو، ب.؛ هوب، أ.؛ باسيت، أ.؛ أويانونفارا، ب.؛ رودنيكا، أ.ر.؛ أوين، س.ج. (2012-11-01). "نهج لتحديد موقع الأوعية الدموية في الشبكية باستخدام مستويات البت وكشف الخط المركزي" . مجلة أساليب الحوسبة في التقدم في الطب الحيوي . 108 (2): 600-616 . doi : 10.1016/j.cmpb.2011.08.009 . ISSN 0169-2607 . PMID 21963241 .

[84] بريا، ر؛ أرونا، ب (2011). "مراجعة التشخيص الآلي لاعتلال الشبكية السكري باستخدام آلة المتجهات الداعمة". المجلة الدولية لبحوث الهندسة التطبيقية، دينديجول . 1 (4): 844-862 .

[85] عابدين، زين (10 نوفمبر 2023). "ما هو CAD/CAM؟" . ميكانيكال مينتور . تم الاسترجاع في 7 فبراير 2024 .

[86] صالح، مروان د.؛ إسواران، ج. (1 أكتوبر 2012). "نظام دعم قرار آلي لمرض اعتلال الشبكية السكري غير التكاثري يعتمد على الكشف عن الأجسام المضادة للشبكية والأجسام المضادة للشبكية". مجلة أساليب الحوسبة في الطب الحيوي ، 108 (1): 186-196 . doi : 10.1016/j.cmpb.2012.03.004 . ISSN: 0169-2607 . PMID: 22551841 .

[:3-87] 1 2 أنتال، ب.؛ هاجدو، أ. (2012-06-01). "نظام قائم على التجميع للكشف عن تمدد الأوعية الدموية الدقيقة وتصنيف اعتلال الشبكية السكري". معاملات IEEE في الهندسة الطبية الحيوية . 59 (6): 1720-1726 . arXiv : 1410.8577 . doi : 10.1109 /TBME.2012.2193126 . ISSN 0018-9294 . PMID 22481810. S2CID 16382245 .

[:4-88] 1 2 مدير (2015-05-20). "مراجعة حول: الكشف عن اعتلال الشبكية السكري باستخدام SVM وMDA" . المجلة الدولية لتطبيقات الحاسوب . 117 (20): 1-3 . Bibcode : 2015IJCA..117t...1S . doi : 10.5120/20667-2485 .

[89] إسبونا، إل. كاريرا، إم جي؛ أورتيجا، م. بينيدو، إم جي (2007/06/06). “ثعبان لتجزئة الأوعية الشبكية”. في مارتي، جوان؛ بينيدي، خوسيه ميغيل؛ ميندونسا، آنا ماريا؛ سيرات، جوان (محرران). التعرف على الأنماط وتحليل الصور . ملاحظات محاضرة في علوم الكمبيوتر. المجلد. 4478. سبرينغر برلين هايدلبرغ. ص 178 – 185. دوى : 10.1007 / 978-3-540-72849-8_23 . رقم ISBN 9783540728481.

[90] بايفا، عمر أنتونيس؛ بريفيديلو ، لوتشيانو م. (أكتوبر 2017). "التأثير المحتمل للذكاء الاصطناعي في مجال الأشعة" . الأشعة البرازيلية . 50 (5): الخامس – السادس. دوى : 10.1590/0100-3984.2017.50.5e1 . بمك 5656066 . بميد 29085178 .

[91] موخيرجي، سيدهارتا (27 مارس 2017). "الذكاء الاصطناعي في مواجهة الطب البشري". مجلة نيويوركر . تم الاطلاع عليه في 3 فبراير 2018 .

[92] "لماذا يُعدّ الذكاء الاصطناعي لقراءة الصور المقطعية خبراً سيئاً لأخصائيي الأشعة؟" . مجلة الإيكونوميست . 29 نوفمبر 2017. تاريخ الاطلاع: 3 فبراير 2018 .

[93] جها، سوراب؛ توبول، إريك ج . (13 ديسمبر 2016). "التكيف مع الذكاء الاصطناعي". مجلة الجمعية الطبية الأمريكية . 316 (22): 2353-2354 . doi : 10.1001/jama.2016.17438 . PMID 27898975. S2CID 3662362 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[

[ 15 ]

[ 16 ]

[ 17 ]

[ 18 ]

[ 19 ]

[ 20 ]

[ 21 ]

[ 22 ]

[ 23 ]

[ 24 ]

[ 25 ]

[ 26 ]

[ 27 ]

[ 28 ]

[ 29 ]

[ 30 ]

[ 31 ]

[ أ ]

[ ٣٢ ]

[ 33 ]

[ 34 ]

[ 35 ]

[ 36 ]

[ 37 ]

[ 38 ]

[ 39 ]

[ 40 ]

[ 41 ]

[ 42 ]

[ 43 ]

[ 44 ]

[ 45 ]

[ 46 ]

[ 47 ]

[

[ 49 ]

[ 50 ]

[ 51 ]

[ 52 ]

[ 53 ]

[ 54 ]

[ 55 ]

[

[ 57 ]

[ 58 ]

[ 59 ]

[ 60 ]

[ ٦١ ]

[ ٦٢ ]

[ ٦٣ ]

[ ٦٤ ]

[ ٦٥ ]

[ ٦٦ ]

[ 67 ]

[ 68 ]

[ 69 ]

[ ٧٠ ]

[ 71 ]

[ 72 ]

[ 73 ]

[ 74 ]

[ 75 ]

[ 76 ].

[ 77 ]

[ 78 ]

[ 80 ]

[ 82 ]

[ 83 ]

[ 84 ]

[ 85 ]

[ 88 ]

[ 89 ]

[ 90 ]

[ 91 ]

[ 92 ]

اللغة	العربية (RTL)
روابط موسوعية	30 رابطاً
المصدر الأصلي	ويكيبيديا ↗