سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

Coronary Full artery segmentation using U-Net neural network architecture

نویسندگان :

Rezvan Monjezi¹ Mahdieh Ghasemi² Mahdi Salehi³ Alireza Rowhanimanesh⁴ Samaneh Tabaee⁵

1- دانشگاه نیشابور 2- دانشگاه نیشابور 3- دانشگاه نیشابور 4- دانشگاه نیشابور 5- دانشکده علوم پزشکی نیشابور

کلمات کلیدی :

Medical image segmentation،U-Net،evaluation metrics،Angiography،Coronary artery disease

چکیده :

Coronary artery disease (CAD) ranks among the most widespread heart conditions today. The World Health Organization's recent reports show cardiovascular diseases are now claiming lives faster than any other cause globally. What happens is that plaque slowly builds up inside blood vessels condition known as atherosclerosis, causing them to narrow and stiffen over time. This progression subsequently causes ischemic changes in tissues or organs, increasing the risk of angina, myocardial infarction, and other cardiovascular events This study presents an optimized U-Net architecture for coronary artery segmentation using the ARCADE dataset, achieving 97.08% pixel accuracy (loss: 0.0810), 0.7577 precision, and 0.5702 recall. Three critical findings emerge from our analysis: 1) Metric Discrepancy, 2) Architectural Optimization, and 3) Clinical Implications. These results emphasize the need for specialized evaluation protocols in medical image segmentation, where traditional computer vision metrics must be supplemented with clinically relevant measures. The study provides concrete guidance for future ARCADE benchmark development, particularly regarding annotation standardization for thin tubular structures and the adoption of compound loss functions to address class imbalance.

لیست مقالات

لیست مقالات بایگانی شده

مقایسه تطبیقی پیشینه حاکمیت شرکتی در ایران و سایر کشورها

جمال خراسانی

Fast Reflection-Mode Ultrasound Computed Tomography Versus Conventional Pulse-Echo Technique

Elnaz Rostami Siahpoush - Haniye Fathi - Zahra Kavehvash

نقش هوش مصنوعی و اینترنت اشیا در ارتقاء بهداشت و سلامت

علیرضا پورهوشنگی - علی الماسی حشیانی

EEG-Based Classification of Schizophrenia and Healthy Controls Subjects Using Statistical and Nonlinear Features with Emphasis on Fuzzy Entropy

Mahdiyeh Tofighi Milani - Sina Shamekhi - Asghar Zarei

هوش مصنوعی و توسعه مهارت های آموزشی در دانشگاهها و مؤسسات آموزش عالی

فاطمه خسروپرویز

Dynamic Cross-Frequency Coupling Reveals Task Dependent Neural Engagement During Varying Cognitive Demands

Seyed Saman Sajadi - Babak Fazli - Fateme Karbasi - Ehsan Garosi - Milad Jalilian - Soheila Hosseinzadeh - Amir Homayoun Jafari - Seyed Abolfazl Zakerian

ارائه الگوی استفاده از هوش مصنوعی در حسابرسی داخلی

مهناز ذابح غازانی

شناسایی عوامل موثر بر انتخاب حسابرس با تاکید بر عدم اطمینان محیطی

امین بلوری - عیسی ابیضی - محدثه نعیمی

مکان یابی ایستگاه‌های آتش‌نشانی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات

مهدی عزیزمحمدی - سید محسن میرحسینی - آرش شعبانی

Modifying the electricity consumption pattern by designing an intelligent machine learning model with the XG Boost algorithm

Raha Pakzad

بیشتر