طبقه بندی توده های پستان با تصاویر سونوگرافی بوسیلهCNN-SVM

Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 315

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEITCONF06_038

تاریخ نمایه سازی: 26 خرداد 1402

Abstract:

سرطان پستان یکی از شایع ترین سرطان ها در بین زنان است. تشخیص به موقع سرطان پستان منجر به درمان آسان تر این سرطان می گردد. از انواع روش های متداول تشخیص سرطان پستان می توان به ماموگرافی، ماموگرافی سه بعدی، سونوگرافی و تصویربرداری با رزونانس مغناطیسی اشاره کرد. برای طبقه بندی تصاویر پزشکی اغلب از شبکه های عصبی کانولوشنی استفاده شده است که تعداد پارامترهای یادگیرنده در این روش زیاد است به همین دلیل نیاز به محاسبات پردازشی بالایی دارند، راه حل استفاده از سخت افزار قدرتمند تر است که این راه حل هزینه بر است. در نتیجه به کارگیری یک روش طبقه بندی با دقت مناسب و محاسبات پردازشی پایین یک امر ضروریست، در این پژوهش نیز هدف طبقه بندی توده های پستان بوسیله روش CNN-SVM بهینه شده با الگوریتم گرگ خاکستری با در نظر گرفتن متعادل سازی داده ها مورد بررسی قرار گرفته است

Authors

محمد حسین امیری

دانشجوی کارشناسی ارشد مهندسی برق -کنترل دانشگاه شهید بهشتی

هادی اشعریون

استادیار گروه کنترل – قدرت دانشگاه شهید بهشتی

نسترن محرابی هشجین

دانشجوی کارشناسی ارشد مهندسی برق -کنترل دانشگاه شهید بهشتی