SEMI-SUPERVISED GAN USING ATTENTION MECHANISM FOR BREAST CANCER CLASSIFICATION
- سال انتشار: 1400
- محل انتشار: پنجمین کنفرانس بین المللی توسعه فناوری در مهندسی برق ایران
- کد COI اختصاصی: ECMCONF05_078
- زبان مقاله: انگلیسی
- تعداد مشاهده: 618
نویسندگان
Department of Computer Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
Department of Computer Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
چکیده
Deep learning approaches have recently contributed to a significant advancement in the field of computer vision. Furthermore, a large-scale annotated dataset is critical for a robust training process. However, obtaining such datasets in the medical field is extremely difficult. In this paper, we use semi-supervised generative adversarial network (SGAN) to describe histological images of breast cancer. SGAN compensates for the lack of training data by making extremely fake images. We add an attention module to SGAN that improves its accuracy by collecting global dependencies and extracting key features. The proposed model is also stabilize using spectral normalization. On the invasive duct carcinoma (IDC) dataset, we demonstrate that our model achieves ۹۴.۳۳%classification accuracy, which is better than the initial semi-supervised SGAN, despite the fact that just ۲% of the data are labeledکلیدواژه ها
breast cancer, image classification, semi-supervised learning, generative adversarial networks, attention mechanism, invasive ductal carcinomaمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد 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.