سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص میتوز در سرطان سینه با استفاده از یادگیری عمیق

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,302

This Paper With 16 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:

ICTI01_037

Index date: 2 August 2017

تشخیص میتوز در سرطان سینه با استفاده از یادگیری عمیق abstract

سرطان سینه یکی از دلایل عمده و اصلی مرگ و میر زنان در دهه اخیر بوده است، میزان ابتلا به سرطان سینه در جهان در حال افزایش است. در ایالت متحده از هر 8 زنی که تا سن 95 سالگی عمر می کنند، یک نفر به این سرطان مبتلا می شود. این سرطان یکی از معمولترین سرطان ها تشخیص داده شده در زنانمیباشد و مرگ ناشی از سرطان سینه، بیشتر در سنین 15 تا 54 سالگی در زنان دیده میشود. تحقیقات، آشکار کردن ایتولوژی دقیق سرطان سینه را رد می کند و تنها تعداد کمی از فاکتورهای اصلی مانند تاریخچه فامیلی شناخته شده اند که باعث افزایش ابتلا به سرطان سینه در زنان می شوند. البته هنوز هم تعداد زیادی از زنانی که به سرطان سینه مبتلا می شوند هیچ سابقه بیماری در خانواده خود ندارند.این نوع سرطان قابل پیشگیری نیست زیرا هنوز دلایل اصلی بوجود آمدن آن مشخص نیست، اما تشخیص به موقع آن میتواند شانس فرد را در بهبودی کامل افزایش دهد. عدم وجود داده های ground-truth موجود به عنوان یک چالش مهم برای انتقال پیشرفت اخیر در یادگیری عمیق به حوزه تصویر برداری بیوپزشکی شناسایی شده است. اگر چه جمع سپاری باعث شده است که یادداشت پایگاه داده های بزرگ برای تصاویرجهان واقعی امکان پذیر شود امکان آن برای اهداف بیوپزشکی مستلزم درک عمیق تری است وبنابراین تعریف دقیق تری از یادداشت واقعی را به دنبال داشته است. این حقیقت که کارهای تخصصی برای کاربران غیر متخصص از بیرون تامین میشوند ممکن است منجر به یادداشتهای نویز دار شوند که باعث عدم توافقبین کاربر آن میشوند. در این تحقیق، ما یک مفهوم جدید را برای یادگیری از جمعیتها ارایه میدهیم که در آن انباشت داده ها مستقیما به عنوان بخشی از فرآیند یادگیری شبکه CNN از طریق لایه جمع سپاری اضافی AggNet کنترل میشود.

تشخیص میتوز در سرطان سینه با استفاده از یادگیری عمیق Keywords:

تشخیص میتوز در سرطان سینه با استفاده از یادگیری عمیق authors

فاطمه حیدری

موسسه آموزش عالی پویش،دانشجوی کارشناسی ارشد هوش مصنوعی

رضا احسن

عضو هیات علمی ، واحد قم،دانشگاه آزاد اسلامی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
E. Estelle s-Arolas and F. Gonzalez-L adron-D e-Guevara, ،Towards an ...
J. Howe, ، The rise of crowds ourcing, _ Wired ...
innovators: The Un(der)paid؛ [3] F. Kleemann, G. Vo, and K. ...
L. Von Ahn, B. Maurer, _ McMillen, D. Abraham, and ...
A. Krizhevsky, I. Sutskever, and G. E. Hinton, *'Imagenet classification ...
_ Inel et al., «Crowdtruth: Machine -human computation framework for ...
L. Von Ahn, ،، Games with a purpose, Comput., vol. ...
B. Yu, M. Willis, P. Sun, and J. Wang, ،، ...
L. Maier-Hein et al., ،، Crowds ourcing for reference corre ...
generation in endoscopic images, * in Medical Image Computing and ...
S. Mavandadi et al., 4Biogames: A platform for crowd- sourced ...
D. Gurari et al., «How to collect segmentations for biomedical ...
A. Foncubierta Rodriguez and H. Miller, «Ground truth generation in ...
L. A. Celi, A. Ippolito, R. A. Montgomery, C. Moses, ...
is a lie: Crowd truth and the seven myths Truthء، ...
V. S. Sheng, F. Provost, and P. G. Ipeirotis, 4، ...
Proc. ACM SIGKDD Int. Conf. Knowl. Discovery Data Mining, 2008, ...
N. Q. V. Hung, N. Tam, L. Tran, and K. ...
techniques in crowds ourcing, _ Web Inf. Syst. Eng., pp. ...
V. C. Raykar et al., «Learning from crowds, } J. ...
learning in neural networks: An overview, ' Deep؛ [19] J. ...
R. Girshick, J. Donahue, T. Darrell, and J. Malik, ،#Rich ...
in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., Jun. 2014, ...
J. Long, E. Shelhamer, and T. Darrell, *Fully convolutional networks ...
V. Belagiannis, C. Rupprecht, G. Carneiro, and N. Navab, ،Robust ...
for deep regression, in Proc. IEEE Int. Conf. Comput. Vis., ...
Y. Xie, F. Xing, X. Kong, H. Su, and L. ...
F. Liu and L. Yang, ،A novel cel detection method ...
neural network and maximum-wei ght independent set, ? in Medical ...
D. C. Ciresan, A. Giusti, L. M. Gambardella, and J. ...
G. Carneiro, J. C. Nascimento, and A. Freitas, ،The segmentation ...
M. Veta et al., ، Assessment of algorithms for mitosis ...
M. Macenko et al., ،A method for normalizing histology slides ...
A. Vedaldi and K. Lenc, ، «Matconvnet- convolutional neural networks ...
نمایش کامل مراجع

مقاله فارسی "تشخیص میتوز در سرطان سینه با استفاده از یادگیری عمیق" توسط فاطمه حیدری، موسسه آموزش عالی پویش،دانشجوی کارشناسی ارشد هوش مصنوعی؛ رضا احسن، عضو هیات علمی ، واحد قم،دانشگاه آزاد اسلامی نوشته شده و در سال 1395 پس از تایید کمیته علمی اولین کنفرانس ملی فناوری های نوین در مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله شاخص:انباشت،جمع سپاری، یادگیری عمیق، یادگیری آنلاین هستند. این مقاله در تاریخ 11 مرداد 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1302 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که سرطان سینه یکی از دلایل عمده و اصلی مرگ و میر زنان در دهه اخیر بوده است، میزان ابتلا به سرطان سینه در جهان در حال افزایش است. در ایالت متحده از هر 8 زنی که تا سن 95 سالگی عمر می کنند، یک نفر به این سرطان مبتلا می شود. این سرطان یکی از معمولترین سرطان ها تشخیص داده ... . این مقاله در دسته بندی موضوعی سرطان و یادگیری عمیق طبقه بندی شده است. برای دانلود فایل کامل مقاله تشخیص میتوز در سرطان سینه با استفاده از یادگیری عمیق با 16 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.