شناسایی سرطان سینه از روی تصاویر ماموگرافی با استفاده از شبکه عصبی کانولوشنی
- سال انتشار: 1400
- محل انتشار: اولین کنفرانس برق، مهندسی هوافضا، مکانیک و علوم مهندسی
- کد COI اختصاصی: IEAMCONF01_051
- زبان مقاله: فارسی
- تعداد مشاهده: 647
نویسندگان
کارشناس ارشد مهندسی برق گرایش مخابرات سیستم
استادیار بخش مهندسی برق در موسسه آموزش عالی زند شیراز
چکیده
سرطان سینه یکی از رایج ترین انواع سرطان در زنان است که سالانه تعداد زیادی از آن ها را به کام مرگ می فرستد. تشخیص زودهنگام سرطان سینه، یک راهکار مهم در درمان این بیماری است. در این تحقیق، هدف، تشخیص سرطان پستان در تصاویر ماموگرافی است. برای این منظور، از شبکه عصبی کانولوشنی استفاده شده است. مزیت این شبکه این است که دارای دقت بالایی در تشخیص الگوها در تصویر است. ابتدا تصاویر ماموگرافی از دیتاست معتبر دانلود شده و پس از پیش پردازش تصاویر، به شبکه عصبی کانولوشنی طراحی شده اعمال شده اند. هدف، در این تحقیق دو مورد است؛ اول تعیین محل تومور و سپس تشخیص اینکه آیا تومور موردنظر، سرطانی است یا نه. هم چنین شبکه عصبی طراحی شده می تواند تشخیص دهد که آیا غده سرطانی در مراحل اولیه سرطان است یا در مراحل پیشرفته بیماری. در انتها، نتایج شبیه سازی ها با سایر شبکه های عصبی دیگر مقایسه شده اند و نتایج شبیه سازی ها نشان دادند که روش پیشنهادی دارای کارایی و دقت بالاتری نسبت به شبکه های عصبی موجود است. نتایج نشان دادند که دقت، صحت و حساسیت الگوریتم پیشنهادی که مبتنی بر شبکه عصبی کانولوشنی است، در حدود ۹۵ درصد می باشد که کارایی بسیار بالای آن را نشان می دهد. میزان دقت، صحت و حساسیت برای الگوریتم های GRNN و MLP کمتر از ۹۰ درصد بود. علاوه بر آن مشاهده شد که کارایی الگوریتم GRNN بالاتر از الگوریتم MLP بود.کلیدواژه ها
تصاویر ماموگرافی، سرطان پستان، شبکه عصبی کانولوشنی، یادگیری ماشینمقالات مرتبط جدید
- ناوبری وسائل نقلیه زیر آبی مستقلبا استفاده الگوریتم تکرارشونده خط مشی معتبر ایمن
- استفاده از هوش مصنوعی - یادگیری عمیق برای تشخیص خطای ماشینهای دوار
- هوش مصنوعی و کاربرد آن در حمل و نقل
- طراحی و پیاده سازی کنترل کنندهPI D فازی برای اکسترودر واحد پلی اتیلن سبک خطی در PLC زیمنس
- هوش مصنوعی: تحول دنیای مدرن و آینده نگری
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.