ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص سرطان پستان از تصاویر ماموگرافی با استفاده از یادگیری عمیق

تعداد صفحات: 9 | تعداد نمایش خلاصه: 138 | نظرات: 0
سال انتشار: 1398
کد COI مقاله: CSCG03_089
زبان مقاله: فارسی
(فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص سرطان پستان از تصاویر ماموگرافی با استفاده از یادگیری عمیق

الهام علیزاده - دانشجوی ارشد کامپیوتر ، دانشکده برق و کامپیوتر، دانشگاه غیرانتفاعی اترک ، قوچان، ایران
سید هاشم داور پناه - استادیار گروه کامپیوتر ، دانشکده برق و کامپیوتر، دانشگاه غیرانتفاعی اترک ، قوچان، ایران
ایمان ذباح - مربی، گروه کامپیوتر، آموزشکده فنی و حرفه ای سما واحد تربت حیدریه ، تربت حیدریه، ایران

چکیده مقاله:

سرطان پستان ازجمله رایج ترین بیماری های زنان است که منجر به بروز مشکلات فردی و خانوادگی زیادی شده و بیش از سایر انواع سرطان ها باعث مرگ و میر زنان می شود. تشخیص زود هنگام و درمان به موقعنقش مهمی در جلوگیری از این بیماری دارد. در صورت تشخیص سرطان پستان در مراحل اولیه و انجام درمان مناسب، طول عمر بیش از 90 درصد از بیماران بالا خواهد رفت. در این مطالعه با استفاده از شبکه های عصبی عمیق کانولوشنی ( CNN ) به تشخیص بیماری سرطان پستان پرداخته شده است. پایگاه داده مورد استفاده از مخزن داده MIAS جمع آوری شده است،که حاوی 332 تصویر ماموگرافی از سرطان پستان بوده و از این بین 133 تصویر مبتلا به سرطان و 189 تصویر در کلاس نرمال قرار دارند. نتایج نشان می دهد که شبکه های عصبی کانولوشن می توانند با دقت مطلوبی سرطان پستان را تشخیص دهند.

کلیدواژه ها:

شبكه عصبي عميق، شبكه هاي كانولوشن، سرطان پستان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1006028/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
علیزاده، الهام و داور پناه، سید هاشم و ذباح، ایمان،1398،تشخیص سرطان پستان از تصاویر ماموگرافی با استفاده از یادگیری عمیق،سومین کنفرانس بین المللی محاسبات نرم،رودسر،،،https://civilica.com/doc/1006028

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، علیزاده، الهام؛ سید هاشم داور پناه و ایمان ذباح)
برای بار دوم به بعد: (1398، علیزاده؛ داور پناه و ذباح)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 32
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی