تشخیص پیشرفته سرطان ریه از طریق تصاویر CT با استفاده از مدلهای Xception و Mobile Net
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_006
- زبان مقاله: فارسی
- تعداد مشاهده: 468
نویسندگان
دانشجودکتری، دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
مربی،گروه مهندسی کامپیوتر و فناوری و اطلاعات،دانشگاه پیام نور،ایران
استادیار،دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
چکیده
با توجه به خطرات جدی سرطان ریه و ضرورت تشخیص زودهنگام آن، در این تحقیق از توانمندی هوش مصنوعی و شبکه های عصبیعمیق برای تحلیل تصاویر توموگرافی کامپیوتری ریه بهره گرفته شده است. دو مدل تشخیصی بر اساس شبکه های Xception و Mobile Netارائه شده اند. این مدل ها با توانایی تشخیص سریع و دقیق سلولهای غیرطبیعی، ابزاری حیاتی برای پیشگیری از عوارض جدی سرطان ریهارائه میدهند.مدل Xception و Mobile Net ، با استفاده از وزن های خالص تصویر مبتنی بر یادگیری، توانسته اند با حجم داده کمتر و در زمانکوتاه تر، دقت ۹۹.۴۸ ٪، درستی ۹۹.۴۸ ٪، و یادآوری ۹۹.۴۸ ٪ را برای طبقه بندی سرطان ریه چند طبقه به دست آورند. نتایج نشان میدهد کهاین مدلها به عنوان ابزار پشتیبانی موثری برای رادیولوژیست ها و نفرولوژیست ها در تشخیص زودهنگام سرطان ریه میتوانند مورد استفادهقرار گیرند.این تحقیق نه تنها بهبود در دقت و سرعت تشخیص ارائه میدهد بلکه با افزایش کارایی پزشکان نقش مهمی در جلوگیری ازپیشرفت بیماری و افزایش شانس درمان سرطان ریه ایفا می کند.کلیدواژه ها
توموگرافی کامپیوتری، رادیولوژیست، ریه سرطان، شبکه عصبی عمیق، یادگیری عمیق، هوش مصنوعی، مدل Mobile Net ، مدل Xceptionمقالات مرتبط جدید
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.