طبقه بندی واریکوسل بر روی تصاویر حرارتی به کمک شبکه های عصبی کانولوشن
عنوان مقاله: طبقه بندی واریکوسل بر روی تصاویر حرارتی به کمک شبکه های عصبی کانولوشن
شناسه ملی مقاله: COMCONF05_787
منتشر شده در پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی در سال 1396
شناسه ملی مقاله: COMCONF05_787
منتشر شده در پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی در سال 1396
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: تصویر برداری حرارتی، واریکوسل، شبکه عصبی کانولوشن
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/725758/