Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: glejak

Sortuj według:

Ogranicz wyniki do:

Travelling waves for low-grade glioma growth and response to a chemotherapy model

Bartłomiejczyk Agnieszka, Bodnar Marek, Bogdańska Magdalena U., Piotrowska Monika J.

International Journal of Applied Mathematics and Computer Science

2023

Vol. 33, no. 4

569--581

Low-grade gliomas (LGGs) are primary brain tumours which evolve very slowly in time, but inevitably cause patient death. In this paper, we consider a PDE version of the previously proposed ODE model that describes the changes in the densities of functionally alive LGGs cells and cells that are irreversibly damaged by chemotherapy treatment. Besides the basic mathematical properties of the model, we study the possibility of the existence of travelling wave solutions in the framework of Fenichel’s invariant manifold theory. The estimates of the minimum speeds of the travelling wave solutions are provided. The obtained analytical results are illustrated by numerical simulations.

Radiogenomika

Walecki Jerzy, Wasilewski Piotr Gustaw, Półtorak-Szymczak Gabriela

Inżynier i Fizyk Medyczny

2021

Vol. 10, nr 5

363--367

W ostatnich latach w wielu dyscyplinach medycznych istnieje silna tendencja do ilościowego przedstawiania wyników, co wiąże się z terminem „medycyna ilościowa” (ang. quantitative medicine). Medycyna ilościowa wpisuje się w cyfryzację medycyny i coraz szersze zastosowanie metod sztucznej inteligencji. Korzyść z tych rozwiązań ma wiele kluczowych technik diagnostycznych, w tym m.in. genetyka i diagnostyka obrazowa – skojarzenie obu tych metod nosi nazwę radiogenomiki.

Architektura platformy korzystającej z metod uczenia maszynowego do przetwarzania obrazów biomedycznych w chmurze

Kot Estera, Siwek Krzysztof, Winska Ewelina

Poznan University of Technology Academic Journals. Electrical Engineering

2020

No. 104

35--44

W artykule zaproponowana została architektura korzystająca z chmury Microsoft Azure umożliwiająca uruchomienie algorytmów uczenia maszynowego służących do wykrywania guzów mózgu z zestawu obrazów DICOM. Przedstawiony został proces wdrożenia modelu z uwzględnieniem integracji z infrastrukturą jednostki wykonującej badania medyczne. Zwrócono uwagę na bezpieczeństwo danych i ograniczenia typowe dla danych medycznych. Wskazano dalsze perspektywy rozwoju omawianego rozwiązania.

This paper proposes architecture based on Microsoft Azure Cloud that uses machine learning algorithms to detect brain tumours from a set of DICOM images. The process of implementing the model is presented, including integration with the infrastructure of the unit performing medical research. Data security and limitations typical for medical data are described. Further development perspectives for the discussed solutions are indicated.