یادگیری عمیق برای تشخیص سرطان پستان با مدل DenseNet
- سال انتشار: 1402
- محل انتشار: پنجمین کنفرانس بین المللی محاسبات نرم
- کد COI اختصاصی: CSCG05_021
- زبان مقاله: فارسی
- تعداد مشاهده: 52
نویسندگان
گروه مهندسی برق- دانشگاه پیام نور- تهران- ایران.
چکیده
مقاله حاضر به بررسی و ارائه روشی نوین برای تشخیص سرطان متمرکز است که از پردازش تصویر با استفاده از شبکه های عصبی DenseNetبهره می برد. این روش از الگوریتم های پیشرفته یادگیری عمیق برای تحلیل تصاویر با دقت بالا استفاده می کند.در این مقاله، به بررسی مزایای استفاده از شبکه های عصبی DenseNet برای تشخیص زودرس سرطان پرداخته می شود. این روش نه تنها بهبود دقت تشخیص را افزایش می دهد بلکه قابلیت تفسیرپذیری بالا و سرعت پردازش مناسبی نیز دارد.همچنین، این مقاله به بررسی مجموعه داده های استفاده شده می پردازد. نتایج حاصل از این تحقیق نشان می دهد که روش ارائه شده قادر به تشخیص دقیق و زودرس سرطان است و به عنوان یک ابزار موثر در پزشکی می تواند به بهبود درمان و پیشگیری این بیماری مهم کمک کند.کلیدواژه ها
سرطان سینه،،شبکه عصبی کاتولوشن عمیق،،معماری DenseNet ،،یادگیری عمیق.مقالات مرتبط جدید
- Development the Product Design Process Using Quality Function Deployment and Operational Research
- Numerical Analysis of the Electronic Cooling of a Flat Plate Immersed in the Saturated R۱۳۴a Based on the Pool Boiling Theory
- شناسایی و رتبه بندی عوامل موثر بر عیوب ساختاری میل لنگ خودرو (مطالعه موردی: شرکت صنایع ریخته گری ایران)
- انتخاب استراتژی بهینه نگهداری و تعمیرات با استفاده از مدل های تصمیم گیری چندمعیاره (مطالعه موردی: شرکت فرآورده غذایی بینارزن)
- The Evolving Landscape of Distributed Denial of Service (DDoS) and Denial of Service (DoS) Attacks A Comprehensive Analysis
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.