تشخیص تومور کبدی با استفاده از یادگیری عمیق مبتنی بر SU-Net و تصاویر MRI
- سال انتشار: 1401
- محل انتشار: پنجمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF05_281
- زبان مقاله: فارسی
- تعداد مشاهده: 326
نویسندگان
دانشجوی ارشد مهندسی پزشکی موسسه آموزش عالی سراج
استاد گروهمهندسی پزشکی،دانشکده مهندسی پزشکی ،موسسه آموزش عالی سراج
چکیده
سرطان کبد ششمین سرطان شایع در سراسر جهان است. بیشتر با MRI تشخیص داده می شود. امروزه از روش های یادگیریعمیق برای تقسیم بندی کبد و تومور آن از تصویربرداری تشدید مغناطیسی MRI استفاده می شود. این تحقیق عمدتا بر جداسازیکبد و تومور از MRI شکم با استفاده از روش یادگیری عمیق و به حداقل رساندن تلاش و زمان مورداستفاده برای تشخیص سرطانکبد متمرکز بود.در این تحقیق الگوریتم بر اساس معماری SU-Net است که نتایج نشان می دهد با استفاده از این الگوریتم مقدار DSC برای ناحیه کبد و محل ضایعه به ترتیب ۹۹.۸۹۵% و ۹۷.۲۸% به دست آمد و همچنین مقدار صحت برای کبد و محل ضایعه به ترتیب ۹۹.۸۳% و ۹۹.۴۲% می باشد. دیتاست مورد استفاده Lits Liver Kaggel می باشد که ۲۷ % داده ها برای آموزش و ۹۷ % برای تست استفاده شده است.کلیدواژه ها
بیماری کبد، سرطان کبد، تشخیص تومور، SU-Net ، یادگیری عمیقمقالات مرتبط جدید
- تحلیل وبهینه سازی هزینه مصرف انرژی ایستگاه پمپاژ آبرسانی با رویکرد هزینه های دوره عمرپمپ
- بررسی تاثیر نانو ذرات ایتریوم اکسید بر امپدانس بتن
- بررسی تطبیقی خلاصه الزامات آیین نامه FDA QSR ۲۱ CFR ۸۲۰ و استاندارد بین المللی ISO ۱۳۴۸۵:۲۰۱۶
- واکاوی تاثیر روش تدریس فعال و اکتشافی و خلاقیت در تدریس درس ریاضی بر روند تحصیل دانش آموزان
- طراحی و پیاده سازی یک سیستم ارزیای سلامت بر پایه اکسیژن خون و دمای بدن
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.