افزایش کیفیت تصاویر درماتوسکوپی ملانوما با استفاده مناسب از ضرایب موجک در ساختار یادگیری عمیق
Publish place: 5th Conference on Signal Processing and Intelligent Systems
Publish Year: 1398
Type: Conference paper
Language: Persian
View: 981
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
SPIS05_022
Index date: 27 January 2020
افزایش کیفیت تصاویر درماتوسکوپی ملانوما با استفاده مناسب از ضرایب موجک در ساختار یادگیری عمیق abstract
در تشخیص مبتنی بر تصاویر بیماری ها، کیفیت مناسب تصاویر دقت تشخیص بیماری را افزایش می دهد. سرطان های پوست از شایع ترین سرطان های بدن انسان به شمار می رود و ملانوما یکی از خطرناک ترین انواع آن است. درماتوسکوپ وسیله ای غیرتهاجمی برای عکس برداری از آسیب های پوستی است. در این مقاله با استفاده از روش یادگیری عمیق به افزایش کیفیت تصاویر درماتوسکوپی پرداخته شده است. در روش پیشنهادی، تخمین ضرایب جزئیات موجک یک تصویر با رزولوشن بالا، با رزولوشن پایین انجام می شود. این تخمین با استفاده از شبکه SRCNN انجام می شود. استفاده از ضرایب موجک، امکان آموزش شبکه با تعداد نمونه های کمتر در زمان کمتر را میسر می کند. استفاده مناسب از این ضرایب و اعمال تغییراتی مناسب بر روی آن، ارتقای کیفیت تصویر نهایی را نیز به ارمغان آورده است که این کیفیت را با معیار PSNR می سنجیم. خروجیPSNR روش پیشنهادی برای چندین تصویر استاندارد 180.99 است درحالی که بهترین خروجی روش های پیشین بر روی این تصاویر44.02 است.
افزایش کیفیت تصاویر درماتوسکوپی ملانوما با استفاده مناسب از ضرایب موجک در ساختار یادگیری عمیق Keywords:
افزایش کیفیت تصاویر درماتوسکوپی ملانوما با استفاده مناسب از ضرایب موجک در ساختار یادگیری عمیق authors
هاله فاتح
دانشجو کارشناسی ارشد هوش مصنوعی، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران
محمد تشنه لب
استاد تمام ، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران
منصور فاتح
استادیار ، دانشکده برق و کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود