Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

تشخیص سرطان سینه با استفاده از روش یادگیری عمیق نظارتی (UNET)

یازدهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک
Year: 1400
COI: ECME11_030
Language: PersianView: 420
This Paper With 7 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

محمدحسین مدیرروستا - دانشجوی مهندسی برق(گرایش کنترل) دانشگاه صنعتی خواجه نصیر
کیمیا شیرینی - دانشجوی دکتری مهندسی کامپیوتر، دانشگاه تبریز
محمد احمدی گنجی - ارشد مهندسی کامپیوتر، دانشگاه شیراز

Abstract:

بیماران مختلفی که همگی مبتلا به یک نوع سرطان هستند واکنش های متفاوتی نسبت به یک نوع شیوه درمانی از خود بروز می دهند، به همین خاطر پزشکان در دوراهی غاضمی قرار می گیرند و نمی دانند چگونه باید نسب به تعیین درمانی که بهترین پاسخ را برانگیزد اقدام نمایند. در این پژوهش ابتدا داده های مربوط به بیماران گردآوری شده است. همچنین مدلی برای دسته بندی تصاویر مربوط به این بیماران توسعه یافته است. در این مدل از شبکه Unet مبتنی یادگیری عمیق نظارتی استفاده شده است. در این شبکه پیش بینی برای هر پیکسل ایجاد می شود و اطلاعات مکانی ورودی اصلی باقی می ماند. در نهایت، دسته بندی پیکسل به پیکسل بر روی نقشه ویژگی خروجی لایه برای دستیابی به دسته بندی در سطح پیکسل انجام می شود. این مدل، می تواند تصاویر ورودی با هر انداره ای را بپذیرد زیرا هیچ لایه کاملا متصل وجود ندارد. علاوه بر آن، چون در این مدل، در زمان آموزش و پیش بینی از بلوک های تصویر در اطراف پیکسل به عنوان ورودی استفاده نمی کند، دقت تقسیم بندی بهبود یافته است و سربار ذخیره سازی کاهش می یابد.

Keywords:

الگوریتم های یادگیری عمیق , شبکه های عصبی کانولوشن , سرطان سینه , لایه های عصبی

Paper COI Code

This Paper COI Code is ECME11_030. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1249211/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
مدیرروستا، محمدحسین و شیرینی، کیمیا و احمدی گنجی، محمد،1400،تشخیص سرطان سینه با استفاده از روش یادگیری عمیق نظارتی (UNET)،Eleventh National Conference on Electrical, Computer and Mechanical Engineering،Shirvan،https://civilica.com/doc/1249211

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Reviews

5.00
1 تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 11,231
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

New Papers

New Researchs

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support