آشکارسازی توده سرطانی پستان به کمک شبکه عصبی کانولوشنی در تصاویر ام.آر.آی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 294

فایل این مقاله در 9 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:

JR_JASP-3-2_001

تاریخ نمایه سازی: 18 مهر 1400

چکیده مقاله:

سرطان پستان، متداول ترین نوع سرطان است که جمعیت زنان را تحت تاثیر قرار می دهد. تشخیص زود هنگام سرطان می تواند شانس درمان را افزایش دهد و همچنین موثرترین راه برای مبارزه با این بیماری است. ارائه روش های خودکار برای آشکارسازی توده سرطانی یا تومور مورد توجه پژوهشگران بوده است. در این مقاله، یک روش مبتنی بر شبکه های عصبی عمیق کانولوشنی به منظور آشکارسازی ناحیه ی توموری از تصاویر MRI معرفی شده است. روش پیشنهادی به صورت جمع آوری تصاویر MRI به همراه تصویر GT از ناحیه ی توموری آن ها و بسط داده ها به منظور آموزش و آزمون شبکه عصبی می باشد. نوع روش یادگیری مورد استفاده در این مقاله، روش یادگیری بانظارت می باشد. الگوریتم بر روی مجموعه داده ی RIDER breast آزمایش شده و نتایج به خوبی نشان می دهند که روش پیشنهادی، عملکرد بهتری از سایر روش های آشکارسازی تصویر مانند روش های مبتنی بر خوشه بندی دارد. از مزایا می توان به کیفیت بالا در آشکارسازی تومور و سرعت قابل قبول در زمان اجرا اشاره کرد.

نویسندگان

امیر ارجمند

گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

سعید مشگینی

گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

رضا افروزیان

دانشکده فنی مهندسی میانه، دانشگاه تبریز، میانه، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. Yousefi, A. Krzyżak, C.Y. Suen, “Mass detection in digital ...
  • S. Suzuki, X. Zhang, N. Homma, K. Ichiji, N. Sugita, ...
  • S.V. Fotin, Y. Yin, H. Haldankar, J.W. Hoffmeister, S. Periaswamy, ...
  • D.H. Kim, S. Kim, Y.M. Ro, “Latent feature representation with ...
  • Z.Jiao, X.Gao, Y.Wang, J.Li, “A Deep feature based framework for ...
  • H. Chougrada, H. Zouakia, O. Alheyane, “Deep convolutional neural networks ...
  • Y. Zhong, A. Ma, Y.S. Ong, Z. Zhu, L. Zhang, ...
  • S. H. Lewis and A. Dong, “Detection of breast tumor ...
  • M. M. Eltoukhy and I. Faye, “An adaptive threshold method ...
  • B. W. Hong and B. S. Sohn, “Segmentation of regions ...
  • F. R. Cordeiro, W. P. Santos, and A. G. Silva-Filho, ...
  • S.W. Zheng, J. Liu, and C.C. Liu, “A random-walk based ...
  • N. Al-Najdawi, M. Biltawi, and S. Tedmori, “Mammogram image visual ...
  • M. Dong, X. Lu, Y. Ma, Y. Guo, Y. Ma, ...
  • P. Delogu, M.E. Fantacci, P. Kasae, A. Retico, “Characterization of ...
  • https://dcm.bmia.nl/ncia/login.jsf ...
  • نمایش کامل مراجع