پیش بینی و تشخیص بیماری های پوستی ملانوما و کارسینوم سلول بازال با استفاده از روش های یادگیری های عمیق و VGG-۱۶
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 478
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISC01_083
تاریخ نمایه سازی: 16 آبان 1401
چکیده مقاله:
کارسینوم سلول بازال شایع ترین سرطان پوست است که ممکن است حاوی ملانین باشند و کارسینوم سلول بازال رنگدانه دار نامیده می شوند. این بیماری از نظر ظاهری مشابه سرطان پوست ملانوما است که تشخیص های افتراقی را بسیار دشوار کرده و موجب سردرگمی پزشکان می شود. در این مطالعه دو مدل تشخیصی یادگیری عمیق و شبکه از پیش تعیین شده VGG-۱۶ جهت تشخیص و افتراق دو بیماری سرطان پوستی توسعه داده شد. داده ها از مطب پزشکان متخصص پوست، اطلس و سایت های معتبر جمع آوری شد. در این پژوهش ۵۳۷۴ داده در مجموعه داده های آموزشی (۸۰درصد) و ۱۳۴۴ داده در مجموعه داده های تست (۲۰درصد) قرارگرفت. در روش یادگیری عمیق میزان دقت (Accuracy) بر روی داده های آموزشی عدد ۹۹/۶ درصد و برای داده های تست به عدد ۹۸ درصد بود. میزان خطا پس از گذشت ۱۰ مرتبه برای داده های آموزشی به عدد ۰/۰۷ درصد و برای داده های تست به ۰/۰۲ درصد بدست آمد. در روش VGG-۱۶ میزان دقت (Accuracy) در روش VGG-۱۶ بر روی داده های آموزشی عدد ۹۸ درصد و برای داده های تست به عدد ۹۴ درصد بود. میزان خطا پس از گذشت ۱۰ مرتبه برای داده های آموزشی به عدد ۰/۰۹ درصد و برای داده های تست به ۰/۳۹ درصد بدست آمد.
کلیدواژه ها:
نویسندگان
مهرشاد عیسایی
کارشناسی ارشد علوم کامپیوتر دانشگاه مازندران، بابلسر، ایران
رضا جهانشاهی
کارشناس پرستاری دانشگاه مازندران، بابلسر، ایران
سعید امانزاده
دانشجو پزشکی دانشگاه مازندران، بابلسر، ایران
محمدرضا اسمعیلی
دکتری حرفه ای، پزشک عمومی دانشگاه مازندران، بابلسر، ایران