پیش بینی سرطان دهانه رحم از طریق روشهای مختلف غربالگری با استفاده از یادگیری ماشین بر اساس ویژگی های قوی شبکه CNN-SVM
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_066
- زبان مقاله: فارسی
- تعداد مشاهده: 348
نویسندگان
گروه مهندسی فناوری اطلاعات ، دانشجو ، دانشگاه رجا ، قزوین
گروه مهندسی فناوری اطلاعات ، استاد راهنما ، دانشگاه رجا ، قزوین
گروه مدیریت فناوری اطلاعات ، استاد مشاور ، دانشگاه رجا ، قزوین
چکیده
امروزه تشخیص سرطان دهانه رحم در زنان مبتلا به این بیماری مهم است. هدف پیشبینی سرطان دهانه رحم از طریق روشهایمختلف غربالگری با استفاده از یادگیری ماشینی بر اساس ویژگی های قوی شبکه CNN-SVM برای مقایسه چندین طبقه بندی کننده برایتشخیص سرطان است. روش در این مقاله عبارت است از ادغام ویژگی های استخراج شده از لایه پنهان CNN با استخراج ویژگی هایقوی ماتریس GLCM که پس از کاهش ابعاد، وارد طبقه بندی کننده شده و با روش رای گیری مقایسه می شوند . این روش بر روی مجموعهداده های نظارت شده با نام ؛ Kag_risk_factors_cervical_cancer ارزیابی شد. یافته های این پژوهش با تکنیک های یادگیری ماشین بهویژه یادگیری عمیق در این زمینه میتواند زودتر از پزشکان ، بیماری سرطان دهانه رحم را تشخیص دهد . نتایج نشان داد که ویژگی قویمدل CNN-SVM در طبقه بندی سلولی برای غربالگری سرطان دهانه رحم بهترین عملکرد را دارد.کلیدواژه ها
سرطان دهانه رحم، شبکه عصبی کانولوشنال- ماشین بردار پشتیبانی، یادگیری عمیق، غربالگریمقالات مرتبط جدید
- بررسی نقش و کاربردهای هوش مصنوعی در رشته مترجمی زبان انگلیسی
- چارچوب یکپارچه مبتنی بر یادگیری عمیق برای تشخیص و مقابله با حملات سایبری در شبکه های صنعتی اینترنت اشیاء
- توسعه سیستم توصیه گر هوشمند برای بهینه سازی مصرف انرژی در شبکه های انرژی هوشمند با استفاده از الگوریتم های یادگیری تقویتی
- طراحی معماری سیستم های نهفته خودترمیم شونده برای کاربردهای بلادرنگ در سیستم های حمل و نقل هوشمند
- طراحی و پیاده سازی سیستم امنیتی یکپارچه برای اینترنت اشیاء صنعتی مبتنی بر محاسبات لبه در صنعت ۴.۰
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.