بهبود کیفیت تصاویر میکروسکوپ هم کانون لیزری با استفاده از شبکه عصبی یونت
- سال انتشار: 1402
- محل انتشار: دوماهنامه نخبگان علوم و مهندسی، دوره: 8، شماره: 2
- کد COI اختصاصی: JR_SEE-8-2_010
- زبان مقاله: فارسی
- تعداد مشاهده: 302
نویسندگان
نویسنده مسئول
نویسنده دوم
چکیده
سرطان سینه بدلیل رشد غیر قابل کنترل سلول های غیرطبیعی در سینه ایجاد می شود، در هر دو نوع تومور خوش خیم و بدخیم، رشد سریع و زیاد سلول ها وجود دارد .با توجه به روند سریع تکنولوژی، تشخیص بیماری ها از حالت تهاجمی خارج شده و تلاش پزشکان و متخصصان بر این بوده است تا به استفاده از تصاویر پزشکی و بررسی آن ها مرحله تشخیص را انجام و کاهش دهند. هدف از این مطالعه بررسی روشی جهت تشخیص سلول های سرطانی با استفاده از شبکه عصبی مصنوعی و بهبود کیفیت تصاویر بدست آمده از سلول های سرطانی می باشد. بر اساس اطلاعات پایگاه داده های تصاویر دیجیتال از آزمایشگاه پاتولوژی دانشگاه روان[۱] آمریکا می باشد. در پیش زمینه این مطالعه در ابتدا کاربر پس از دریافت تصاویر از میکروسکوپ کانفوکال در باند های لیزری متفاوت، جهت تشخیص لبه و افزایش کیفیت تصاویر، آن ها را با استفاده از نرم افزار image jبصورت دستی در حجم داده های بزرگ به بررسی و تحقیق می پرداختند. در این پژوهش با استفاده از آموزش شبکه عصبی می توان داده های مورد نظر را لبه یابی و با افزایش کیفیت تصاویر صحت و دقت را برای بدست آوردن داده ها معنا دار به مراتب بالا برد. جامعه آماری مورد بررسی از رفتار سلول های سرطان سینه ۶۰۰ تصویر خام و محو از داده می باشد. گروهی از تصاویر را به عنوان داده های آموزش دارای برچسب یا لیبل به شبکه عصبی می دهیم و سپس گروهی از آن ها را برای آزمایش آموزش شبکه عصبی یونت استفاده می کنیم. شبکه عصبی استفاده شده در این پژوهش با استفاده از تصاویر پزشکی دیگر از قبل آموزش دیده می باشد که این امر موجب افزایش سرعت و دقت بالا در تشخیص سلول ها و افزایش کیفیت تصاویر سلولی شده است. افراد متخصص در حوزه پردازش تصویر بر روی نمایش سلول های سرطانی و نمایش اندازه و لبه آن ها تلاش می کنند تا با استفاده از شبکه عصبی، تشخیص و ابعاد دقیق سلول ها را بدست آورند. بررسی تصاویر بصورت پیکسل به پیکسل توسط شبکه عصبی صورت می گیرد و سپس در اختیار محققان در این حوزه قرار دهند. یکی از چالشهای موجود در تکنیکهای تشخیص تصاویر پزشکی، مشکل در تجزیه و تحلیل بافتهای متراکم می باشد. با توجه به اینکه تشخیص توسط انسان زمانبر و دارای احتمال خطای بیشتری است، محققان در تلاش بودهاند تا با استفاده از الگوریتمهای مختلف تشخیص را به صورت اتوماتیک انجام دهند تا به صحت و دقت بالایی دست یابندکلیدواژه ها
سرطان سینه ، شناسایی سلول، باینری، فیلتر، شبکه عصبی.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.