ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از شبکه عصبی عمیق برای تشخیص سرطان پستان

تعداد صفحات: 10 | تعداد نمایش خلاصه: 41 | نظرات: 0
سال انتشار: 1398
کد COI مقاله: CEPS06_194
زبان مقاله: فارسی
(فایل این مقاله در 10 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.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت 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 10 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از شبکه عصبی عمیق برای تشخیص سرطان پستان

سینا غفرانی ماجلان - گروه سیستم های الکترونیک دیجیتال، دانشکده مهندسی برق، دانشگاه علم و صنعت، تهران، ایران
علی بحری - گروه سیستم های الکترونیک دیجیتال، دانشکده مهندسی برق، دانشگاه علم و صنعت، تهران، ایران

چکیده مقاله:

یکی از روش های غربالگری متداول در بررسی بیماری سرطان استفاده از تکنیک های تصویر برداری از قبیل ماموگرافی است. شبکه های عصبی عمیق حوزه جدیدی در شبکه های عصبی هستند که اخیرا پیشرفت های زیادی را در موضوعات مختلف مرتبط با یادگیری ماشین با خود به همراه آورده اند. هدف از انجام این مقاله مطالعه مروری تشخیص سرطان با استفاده از شبکه عصبی عمیق بوده است. ما در این پژوهش یک روش بازنمایی سلسله مراتبی به منظور تشخیص تصاویر با استفاده از شبکه های کانولوشن عمیق ارائه دادیم . روش پیشنهادی بدینگونه است که ویژگی های یادگیری سلسله مراتبی از سطح بالا را که توسط ویژگی های سطح پایین شکل گرفته یاد بگیرد. یادگیری ویژگی ها در چند سطح و بصورت اتوماتیک انجام می شود و در نهایت با استفاده از دو مجموعه داده MIAS و مجموعه داده گردآوری شده شبکه را مورد ارزیابی قرار دادیم که نسبت به سابر الگوریتم های ذکر شده از دقت بیشتر برخوردار است.

کلیدواژه ها:

تشخيص سرطان، تصوير برداري ماموگرافي، شبكه عصبي عميق

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/1011748/

کد COI مقاله: CEPS06_194

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:
غفرانی ماجلان، سینا و بحری، علی،1398،استفاده از شبکه عصبی عمیق برای تشخیص سرطان پستان،ششمین کنفرانس ملی پژوهش های کاربردی در مهندسی کامپیوتر و فناوری اطلاعات،تهران،،،https://civilica.com/doc/1011748

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، غفرانی ماجلان، سینا؛ علی بحری)
برای بار دوم به بعد: (1398، غفرانی ماجلان؛ بحری)
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
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: دانشگاه دولتی
تعداد مقالات: 20,504
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 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