طبقه بندی دو دسته خوش خیم و بدخیم تومورهای سرطان سینه با استفاده از گرادیان نزولی انطباقی در تصاویر پزشکی
Publish place: 7th National Conference on Applied Research in Electrical and Computer Science and Medical Engineering
Publish Year: 1399
Type: Conference paper
Language: Persian
View: 662
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ECMECONF07_012
Index date: 26 January 2021
طبقه بندی دو دسته خوش خیم و بدخیم تومورهای سرطان سینه با استفاده از گرادیان نزولی انطباقی در تصاویر پزشکی abstract
در این مقاله به بررسی و ارزیابی عملکرد قانون های به روزرسانی وزن الگوریتم شبکه عصبی مصنوعی با استفاده از گرادیان نزولی در طبقه بندی تومور به عنوان خوش خیم و بدخیم در تصویربرداری سونوگرافی پرداخته می شود تصاویر با استفاده از فیلترهای موجک برای کاهش نویز لکه ها آماده سازی می شوند تعدادی ویژگی از تصاویر سونوگرافی انتخاب شده و برای طبقه بندی تومورهای سینه استخراج می گردد همچنین منطقه تحت دریافت منحنی عملیاتی (AUC)، حساسیت، همگرایی، دقت طبقه بندی و زمان CPU به عنوان معیارهای عملکرد در این طبقه بندی در نظر گرفته شده است نتایج نشان می دهند که گرادیان نزولی انطباقی در شبکه های بازگشتی بر اساس نرخ یادگیری متغیر نسبت به سایر تکنیک ها از جمله گرادیان نزولی ثابت یا الگوریتم گرادیان نزولی با مومنتوم، از دقت بالاتری در طبقه بندی برخوردار است.
طبقه بندی دو دسته خوش خیم و بدخیم تومورهای سرطان سینه با استفاده از گرادیان نزولی انطباقی در تصاویر پزشکی Keywords:
طبقه بندی دو دسته خوش خیم و بدخیم تومورهای سرطان سینه با استفاده از گرادیان نزولی انطباقی در تصاویر پزشکی authors
فاطمه امیدی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه ابرار