طراحی یک مدل یادگیری عمیق جدید برای طبقهبندی نامتوازن تومورهای موجود در تصاویر ماموگرافی

سال انتشار: 1401
محل انتشار: دهمین کنفرانس بین المللی تحقیقات پیشرفته در علوم، مهندسی و فناوری
کد COI اختصاصی: RSETCONF10_050
زبان مقاله: فارسی
تعداد مشاهده: 189

نویسندگان

دانشجوی دکتری، دانشکده فنی و مهندسی، گروه مهندسی برق-کنترل، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

استاد، دانشکده فنی و مهندسی، گروه مهندسی برق-کنترل، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

چکیده

تشخیص تومورهای بدخیم موجود در بافت سینه یکی از چالشهای جدی در بررسی بافت سینه است. در حال حاضر ماموگرافی، متداول ترین راه تشخیص تومورهای موجود در سینه است. کمبود نمونه تصاویر ماموگرافی حاوی تومورهای بدخیم برچسبگذاری شده میتواند تشخیص تومورهای بدخیم موجود در بافت سینه در تصاویر ماموگرافی را به مسئله طبقهبندی نامتوازن تبدیل کند. بههمین دلیل در این مقاله یک مدل یادگیری عمیق جدید بر اساس شبکههای کپسولی برای طبقهبندی نامتوازن تومورهای موجود در بافت سینه ارائه میشود. در این مقاله از دادههای پایگاه داده DDSM که شامل ۵۰۰ تصویر ماموگرافی حاوی تومورهای خوشخیم و ۵۰۰ تصویر ماموگرافی حاوی تومورهای بدخیم است، استفاده شد. در بررسی طبقهبندی نامتوازن از نسبت نامتوازنی ۱:۲ تا ۱:۱۰، شبکه پیشنهادی توانست دقت بالای ۸۲ درصد را حفظ کند که نشان از عملکرد مناسب آن در طبقهبندی نامتوازن تومورهای موجود در بافت سینه در تصاویر ماموگرافی دارد. همچنین درصد صحت کلی شبکه پیشنهادی بالای ۸۵ درصد حفظ شد.

کلیدواژه ها

طبقهبندی نامتوازن، تصاویر ماموگرافی، شبکه کپسولی، یادگیری عمیق

مقالات مرتبط جدید

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.