دسته بندی تصاویر پزشکی ضایعات پوستی با استفاده از شبکه عصبی کپسولی

شبکه های عمیق نوعی از روش های یادگیری هستند که قابلیت مدل کردن روابط سطح بالای موجود در داده ها را دارند. یکی از پرکاربردترین انواع شبکه های عمیق، شبکه های پیچشی یا کانولوشنی هستند که با بهره گیری از لایه های کانولوشن بر روی تصاویر قادر به مدل کردن وابستگی های مکانی در آن ها هستند، اما ساختارهای سلسله-مراتبی مکانی درون تصویر را در نظر نمی گیرند. شبکه های کپسولی یکی از ایده های جدیدی هستند که برای مدل سازی ساختار سلسله-مراتبی ویژگی ها در تصویر پیشنهاد شده اند و در آنها از کپسول یا نورون های گروه بندی شده به همراه یک الگوریتم مسیریابی پویا استفاده می شود. با وجود کارآیی ایده ی شبکه های کپسولی بر روی مجموعه داده های ساده، عملکرد این شبکه ها بر روی داده های پیچیده هنوز در ابهام است. در این مقاله عملکرد این شبکه بر روی مجموعه داده ی پیچیده ی سرطان پوست مورد بررسی قرار گرفته است که به دلیل اهمیت تشخیص ضایعات پوستی در پزشکی، پیچیدگی تصاویر، تعداد زیاد آنها و نامتعادل بودن دسته ها در آن انتخاب شده است. برای استخراج بهتر تنوع موجود در ضایعات پوستی، تغییراتی در لایه های ابتدایی شبکه داده شد و به دلیل عدم توازن در مجموعه داده ی ذکر شده، تغییراتی در تابع هزینه ی شبکه اعمال شد. تاثیر استفاده از توابع فعال سازی مختلف در شبکه نیز مورد بررسی قرار گرفت. نتایج به دست آمده نشان   می دهد ایده ی شبکه کپسولی با انجام تنظیمات متناسب می تواند بر روی مجموعه داده های پیچیده نیز به نحو مطلوبی مورد استفاده قرار گیرد.

دسته بندی تصاویر پزشکی ضایعات پوستی با استفاده از شبکه عصبی کپسولی Keywords:

شبکه کپسولی , دسته بندی , تصاویر پزشکی , تابع هزینه , تابع فعال سازی