تشخیص میزان وخامت سرطان سینه از طریق تصاویر هیستوپاتولوژی با استفاده از روش های مبتنی بر یادگیری عمیق و مکانیزم توجه
Publish place: 15th Internatıonal conference on Advanced Research ın Scıence engıneerıng and Technology
Publish Year: 1403
Type: Conference paper
Language: Persian
View: 58
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
RSETCONF16_008
Index date: 24 December 2024
تشخیص میزان وخامت سرطان سینه از طریق تصاویر هیستوپاتولوژی با استفاده از روش های مبتنی بر یادگیری عمیق و مکانیزم توجه abstract
در این پژوهش به منظور تشخیص میزان وخامت و تعیین خوش خیم و یا بدخیم بودن بافت های سرطانی در تصاویر هیستوپاتولوژی بافت سینه یک معماری مبتنی بر شبکه های عصبی عمیق طراحی گردید. معماری پیشنهاد شده در این پژوهش از سه بخش بلوک توجه انتخابی، بلوک توجه سخت و شبکه طبقه بند مرجع تشکیل شده است. وظیفه بلوک توجه انتخابی، انتخاب کانال های بااهمیت و دارای اطلاعات بیشتر در فضای ویژگی های استخراج شده توسط شبکه طبقه بند می باشد و وظیفه بلوک توجه سخت نیز تعیین مناطق بااهمیت دربردارنده اطلاعات فیزیولوژیکی تمایزدهنده در فضای ویژگی های استخراج شده و تحریک این نقاط در شبکه طبقه بند می باشد. مکانیزم توجه طراحی شده در این پژوهش، قابلیت تجمیع شدن با انواع مختلفی از شبکه های عصبی عمیق کانولوشنال را دارا می باشد. در آزمایش ها و ارزیابی های نهایی انجام شده مشاهده گردید که ساختار خلاقانه پیشنهاد شده در این پژوهش موفق شد تا میزان وخامت بافت های سرطانی سینه در تصاویر پایگاه داده BREAKHIS را با صحت ۹۴% و دقت ۹۲% درصد تشخیص دهد.
تشخیص میزان وخامت سرطان سینه از طریق تصاویر هیستوپاتولوژی با استفاده از روش های مبتنی بر یادگیری عمیق و مکانیزم توجه Keywords:
تشخیص میزان وخامت سرطان سینه از طریق تصاویر هیستوپاتولوژی با استفاده از روش های مبتنی بر یادگیری عمیق و مکانیزم توجه authors
ایمان جوادیان
دانشگاه صنعتی امیرکبیر
