سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

آشکارسازی توده ها در تصاویر اولتراسوند خودکار سه بعدی پستان با استفاده از Inception ۳D U-Net بهبودیافته

Publish Year: 1402
Type: Journal paper
Language: Persian
View: 297

This Paper With 11 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_JMVIP-10-1_004

Index date: 21 November 2022

آشکارسازی توده ها در تصاویر اولتراسوند خودکار سه بعدی پستان با استفاده از Inception ۳D U-Net بهبودیافته abstract

سرطان پستان عامل اصلی مرگ ومیر ناشی از سرطان در زنان اکثر کشورهای جهان است. تشخیص سرطان پستان در مراحل اولیه تاثیر زیادی در کاهش نرخ مرگ ومیر دارد. تصویربرداری اولتراسوند خودکار سه بعدی پستان (۳D ABUS) نوعی تصویربرداری است که اخیرا در کنار ماموگرافی برای تشخیص زودهنگام سرطان پستان استفاده می شود. حجم سه بعدی تولیدشده در این تصویربرداری شامل تعداد زیادی برش است. رادیولوژیست برای یافتن توده باید تمام برش های تصویر را بررسی کند که کاری زمان بر با احتمال خطای زیاد است. امروزه برای کمک به رادیولوژیست ها در آشکارسازی توده، سیستم های آشکارساز کامپیوتری (CAD) بسیاری ارائه شده است.در این مقاله، معماری ۳D U-Net با قرار دادن دو نوع ماژول Inception تغییریافته در بخش کدگذار بهبود داده شده و برای آشکارسازی توده در تصاویر ۳D ABUS استفاده شده است. در ماژول پیشنهادی اول که در اولین لایه کدگذار قرار می گیرد، ویژگی های سه بعدی متنوع با دو میدان دید متفاوت تولید می شود. در ماژول دوم که در لایه های بعدی کدگذار قرار می گیرد، ویژگی های خطی و ویژگی های صفحه ای استخراج می شود. مجموعه داده مورد استفاده دارای ۶۰ حجم ۳D ABUS از ۴۳ بیمار و شامل ۵۵ توده است. شبکه پیشنهادی به حساسیت ۹۲.۹% و میانگین FP برابر با ۲۲.۷۵ به ازای هر بیمار دست یافته است.

آشکارسازی توده ها در تصاویر اولتراسوند خودکار سه بعدی پستان با استفاده از Inception ۳D U-Net بهبودیافته Keywords:

تصویربرداری اولتراسوند خودکار سه بعدی پستان , سیستم آشکارساز کامپیوتری , شبکه عصبی کانولوشنی سه بعدی , آشکارسازی توده , Inception

آشکارسازی توده ها در تصاویر اولتراسوند خودکار سه بعدی پستان با استفاده از Inception ۳D U-Net بهبودیافته authors

سپیده برکت رضایی

دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران

امین ملک محمدی

دانشجوی کارشناسی ارشد هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران

احسان کوزه گر

دانشکده فنی و مهندسی شرق گیلان، دانشگاه گیلان، گیلان، ایران

معصومه سلامتی

پژوهشگاه رویان، پژوهشکده زیست شناسی و علوم پزشکی تولید مثل جهاد دانشگاهی، مرکز تحقیقات پزشکی تولیدمثل، گروه تصویربرداری تولیدمثل، تهران، ایران

محسن سریانی

دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران