ارائه ی یک سیستم تصمیم یار با استفاده از ترکیب یک روش نرمال سازی تطبیقی و شبکه ی عصبی بازگشتی به منظور تشخیص بیماری سرطان سینه

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 332

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCT12_083

تاریخ نمایه سازی: 7 شهریور 1400

چکیده مقاله:

افزایش میزان دقت در تشخیص سرطان سینه یکی از مهمترین چالش ها در زمینه ی طراحی سیستم های تصمیم یار پزشکی می باشد و پژوهشگران به دنبال ایجاد روش هایی هستند که بتواند میزان دقت در تشخیص بیماری را افزایش دهد، به همین دلیل در این پژوهش نیز برای افزایش میزان دقت در تشخیص سرطان سینه، از یک روش مبتنی بر الگوریتم های یادگیری عمیق استفاده شده است. در این مدل بعد از انجام فرایند پیش پردازش داده ها به منظور نرمال سازی داده ها از یک روش نرمال سازی تطبیقی مبتنی بر سری زمانی استفاده شده است. مهمترین ویژگی این روش نرمال سازی داده ها به صورت پویا می باشد و بعد از آن به منظور دسته بندی داده ها از یک مدل دسته بندی سه لایه استفاده شده است که در آن ابتدا از یک شبکه ی عصبی بازگشتی استفاده شده است و بعد از آن به منظور نرمال سازی خروجی شبکه عصبی بازگشتی از یک لایه ی Batch Normalize استفاده شده است، در واقع این لایه اطلاعات دریافتی از لایه های بالاتر را به یک مقدار نرمال تبدیل و در انتهای این قسمت نیز از یک لایه ی Dens استفاده شده است. همچنین به منظور ارزیابی نتایج مدل پیشنهادی از پارامترهای صحت، دقت و حساسیت استفاده شده است، نتایج این پژوهش نشان می دهد که میزان صحت مدل پیشنهادی برابر با ۹۷% میزان حساسیت مدل برابر با ۹۶% و میزان دقت مدل پیشنهادی برابر با ۹۷% است.

کلیدواژه ها:

سیستم تصمیم یار پزشکی ، روش نرمال سازی تطبیقی ، شبکه عصبی بازگشتی

نویسندگان

زهرا شهری

گروه مهندسی کامپیوتر، دانشگاه اسلامی واحد مشهد، مشهد، ایران

رضا شیبانی

استادیارگروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران

یعیی فرقان

استادیارگروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران