بخش بندی تصاویر پاتولوژی جهت تشخیص سلول های سرطانی با استفاده از شبکه ترکیبی VGG-RES-UNet

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 207

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICAIFT01_001

تاریخ نمایه سازی: 16 بهمن 1402

چکیده مقاله:

تشخیص ناهنجاری های بافتی و سلولی در تصاویر میکروسکوپیجهت کمک به درمان زودهنگام بیماری هایی نظیر سرطان ازاهمیت بسزایی برخوردار است. از روش هایی که می توان جهتتشخیص سلول های دارای ناهنجاری از آن بهره برد، بخش بندیتصاویر پاتولوژی است. اما به علت پیچیدگی پس زمینه تصاویرپاتولوژی و بافت مات و هم شکل با پس زمینه سلولهای سرطانی،روشهای سنتی بخش بندی تصویر منجر به نتا یج مطلوب نمیگردد. در این مقاله، یک شبکه ترکیبی مبتنی بر یادگیری عمیقمتشکل از VGG۱۶-UNet با لایه های Residual در داخل آنجهت بهبود فرآیند تشخیص سلول های سرطانی پیشنهاد می گردد.شبکه یادگیری عمیق پیشنهادی بر روی مجموعه داده PanNukeبکار رفته و میزان بهبود ایجاد شده در صحت بخش بندی سلولهای سرطانی از طریق معیارهای Dice و Aggregated JaccardIndex انجام گردید. بررسی کمی و کیفی حاصله از این معیارها و تصاویر خروجی شبکه در مقایسه با سایر روش های بخش بندیسلولهای سرطانی، نشان دهنده برتری روش پیشنهادی است.

نویسندگان

طاهره میرزائی

کارشناسی ارشد مهندسی برق - الکترونیک دیجیتال، دانشگاه گیلان

منوچهر نحوی

دانشیار مهندسی برق-الکترونیک دیجیتال، دانشگاه گیلان

رضا حسن زاده پاک رضایی

دانشیار مهندسی برق-الکترونیک دیجیتال، دانشگاه گیلان