طبقه بندی واریکوسل بر روی تصاویر حرارتی به کمک شبکه های عصبی کانولوشن
Publish place: Fifth International Conference on Electrical and Computer Engineering with Emphasis on Indigenous Knowledge
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 716
This Paper With 5 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:
شناسه ملی سند علمی:
COMCONF05_787
تاریخ نمایه سازی: 21 اردیبهشت 1397
Abstract:
واریکوسل اتساع و پیچ خوردگی غیرطبیعی شبکه وریدی (سیاهرگی) بالای بیضه ها است. الگو توزیع حرارتی غیرطبیعی را میتوان در کیسه بیضه توسط تصویربرداری حرارتی تشخیص داد. تصویربرداری حرارتی روشی از راه دور، بدون تماس و غیرتهاجمی است. در این مقاله با استفاده از دوربین مادون قرمز غیرتماسیSDS Hotfind L و عکسبرداری از تعداد 50 نفر از بیماران ارجا شده به بیمارستان 501 ارتش (آجا) که مبتلا به واریکوسل بودند، به کمک شبکه های عصبی کانولوشن به طبقه بندی گریدینگ واریکوسل اقدام شده است. میزان حساسیت روش ارایه شده برابر با %70 و ویژگی %88,23 می باشد. نتایج حاصل از این پژوهش حاکی از مناسب بودن روش شبکه های عصبی کانولوشن در جهت طبقه بندی واریکوسل است.
Keywords:
Authors
حسین قیومی زاده
استادیارمهندسی پزشکی، گروه مهندسی برق، دانشگاه ولی عصر(عج)، رفسنجان، ایران
علی فیاضی
عضو هیات علمی گروه مهندسی برق، دانشگاه ولی عصر(عج)، رفسنجان، ایران
مصطفی داناییان
استادیار گروه مهندسی برق، دانشگاه ولی عصر(عج) رفسنجان، ایران