استفاده از شبکه های عصبی عمیق مبتنی بر طیف سنجی رامان برای طبقه بندی پاسخ بیمار به رادیوتراپی، در سرطان رکتوم

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 113

فایل این مقاله در 8 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:

AISC01_098

تاریخ نمایه سازی: 16 آبان 1401

چکیده مقاله:

بیمارانی که مبتلا به سرطان کولون هستند معمولا قبل از اینکه مورد عمل جراحی قرار گیرند تحت درمان با رادیوتراپی قرار می گیرند. در حال حاضر هیچ روش تائید شده بالینی وجود ندارد که مشخص کند رادیوتراپی تا چه حد موثر است و آیا قادر است جای عمل جراحی را بگیرد. همچنین بخش قابل توجهی از بیماران بعد از دریافت رادیوتراپی علائمی از بهبود را نشان نمی دهند. در این مطالعه روی طیف های رامان حاصل از ضایعات محل سرطان، قبل از رادیوتراپی طبقه بندی انجام شده است. این طیف ها ۲۰۰۰ عدد می باشد که از ۲۰ بیمار تهیه شده است. بیماران در دو گروه ده نفری پاسخ خوب به رادیوتراپی و پاسخ ضعیف به رادیوتراپی قرار دارند که از هر بیمار ۱۰۰ عدد طیف موجود است. از شبکه عصبی عمیق یک بعدی برای طبقه بندی و برای حذف پس زمینه طیف رامان از الگوریتم RIA استفاده شده است. سپس، با استفاده از PCA ده مولفه اول آن انتخاب شده است. مقایسه نتایج با شبکه MLP و LDA نشان می دهد شبکه عصبی عمیق توانایی کسب صحت بالاتری را دارد. دقت بدست آمده با شبکه عمیق ۹۱.۷۵ است.

نویسندگان

جواد امیدی

گروه مهندسی کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران

زهره دهقانی بیدگلی

گروه مهندسی کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران

مهدی اسماعیلی

گروه مهندسی کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران