تشخیص کبد چرب در تصاویر پزشکی با استفاده از مدل شبکه عصبی کانولوشنی عمیق
Publish place: Fifth International Conference on Electrical, Computer and Mechanical Engineering Science and Technology of Iran
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 637
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UTCONF05_081
تاریخ نمایه سازی: 13 تیر 1400
Abstract:
امروزه به علت نحوه و سبک زندگی بشر، کبد چرب تبدیل به یک بیماری شایع شده است. کبد چرب بیماریای ناشی از انباشت چربی در سلولهای کبدی است و بدون کنترل به موقع و موثر، ممکن است به هپاتیت یا سیروز برسد و باعث آسیب دائمی به کبد شود. استاندارد تشخیصی، بیوپسی کبدی، در بیماران به دلیل تهاجمی بودن آن به خوبی قابل قبول نیست.در این پژوهش با توجه به ضرورت تشخیص این بیماری، روشی مبتنی بر شبکه های عمیق برای تجزیه و تحلیل کمی تصویر سونوگرافی کبدی ارائه شده است. در مدل ارائه شده از خودکدگشا برای استخراج ویژگی و دستهبند SVM و RBF برای طبقه بندی بندی تصاویر کبد چرپ و سالم استفاده نموده است. بدین منظور شبکه خودکدگشا با پارامترهای مختلف برای دسته مورد بررسی قرار گرفت و آموزش داده شد. نمونه ها به شبکه ارائه شده و نتایج حاصل از آموزش و آزمون مدل بیانگر دقت بهتر مدل مبتنی بر RBF نسبت SVM با نرخ بازخوانی۰,۶۳ و خودکدگشایی با ۱۰ لایه است.
Keywords:
Authors
زهرا جابرزاده انصاری
دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد واحد دولت آباد
مجید هارونی
استاد گروه مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه آزاد واحد دولت آباد