تشخیص سرطان سینه با کمک ترکیب و یژگی های تصویر و شبکهعصبی عمیق

Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 69

This Paper With 6 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CRIAL01_120

تاریخ نمایه سازی: 7 مرداد 1403

Abstract:

تشخیص سرطان با کمک تصاویر پزشکی به دلیل دقت و وضوح بالایی که این تصاویر دارند، امکان پذیر است. این تصاویر می توانندبه پزشکان کمک کنند تا بتوانند ناهنجاری هایی را که در بافت های بدن مشاهده می شوند تشخیص دهند و به سرطان یا بیماری دیگری اشاره کنند. یکی از روشهای پردازش تصویر برای تشخیص سرطان سینه، استفاده از شبکه های عصبی پیچشی CNN است. روش پیشنهادی یک شبکه عصبی عمیق است که در مرحله اول آن عملیات بهبود کیفیت تصویر با کمک تابع فورمولوژی انجام شده است. جهت کسب ویژگی از AlexNet پایه استفاده شده است. برخلاف مدل پایه AlexNet در مدل پیشنهادی ۱۱ لایه کانولوشن و مکس پولینگ به صورت پشت سرهم مورد استفاده قرار گرفته شده است و همچنین در انتهای شبکه عملیات اتصال انجام نمی شود بلکه، در انتها با کمک PCA ترکیب ویژگی ها صورت گرفته شده است. استفاده از PCA جهت ترکیب ویژگی دقت تشخیص حدود ۹۹ درصد برای دو دیتاست موجود در بانک اطلاعاتی UCI را نشان میدهد که افزایش حدود ۱ درصدی نسبت به موارد مشابه می باشد .

Authors

پیمان کیانی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشکده فنی مهندسی ، دانشگاه آزاد اسلامی واحد اهواز، اهواز ، ایران

احمد کاظمی

استادیار مهندسی کامپیوتر و هوش مصنوعی، دانشکده فنی مهندسی ، دانشگاه آزاد اسلامی واحد ایذه، ایذه ، ایران