تشخیص موثر بیماری های دهانی با استفاده از الگوریتم های یادگیری ماشین: یک مدل یکپارچه و مقایسه ای
- سال انتشار: 1402
- محل انتشار: چهارمین کنفرانس ملی چالشها و راهبردهای نوین در مهندسی برق و کامپیوتر ایران
- کد COI اختصاصی: INCEE04_001
- زبان مقاله: فارسی
- تعداد مشاهده: 272
نویسندگان
گروه مهندسی کامپیوتر، واحد نور، دانشگاه آزاد اسلامی، نور، ایران
گروه مهندسی برق، واحد نور، دانشگاه آزاد اسلامی، نور، ایران
چکیده
سیستم های دسته بندی به طور گسترده ای در حوزه پزشکی برای تشریح داده های ثبت شده بیماران و استخراج یک مدل پیش بین به کار گرفته شدند. سیستم های تشخیصی به کمک کامپیوتر می تواند قابلیت تشخیصی متخصصین را افزایش دهد و زمان مورد نیاز برای تشخیص صحیح را کاهش دهد. از جمله حوزه هایی که متدهای هوشمند خصوصا روشهای دسته بندی کمتر ورود کرده اند، حوزه دندانپزشکی می باشد. لوکوپلاکیا، لیکن پلان و کارسینوم سلولهای سنگفرشی دهان از شایعترین اختلالات و ضایعات دهانی می-باشند. پژوهشهای محدودی در این حیطه صورت گرفته است که هر کدام یک تکه از پازل تشخیصی را پر می کنند. اما هدف ما در این تحقیق، ارائه یک فرآیند جامع از ابتدای مراجعه بیمار به پزشک تا نهایتا تصمیم به تشخیص ضایعه پیش سرطانی و یا احیانا سرطانی می باشد. تصاویر متعددی از بیماران مبتلا به این بیماری ها تهیه شده است. با استفاده از فیلتر تیزکننده ارتقا کیفیت تصاویر صورت گرفت. سپس با استفاده از روش قدرتمند و مقاوم استخراج ویژگی surf و الگوریتم خوشه بندی K-means، ۳۰ ویژگی مناسب و غنی استخراج شدند. طبقه بندی تصاویر ورودی با استفاده از ماشین بردار پشتیبان، پرسپترون چندلایه، توابع پایه شعاعی، درخت تصمیم و دسته بندی کننده هایبیزیانجام شد. سپس نتایج به دست آمده با هم مقایسه شدند. ماشین بردار پشتیبان به دلیل ویژگی های خاص خود نسبت به سایر روش ها با دقت ۹۵ درصد برتری دارد. برتری ماشین بردار پشتیبان تا حدودی زیاد بر سایر روشها مشهود است. در حقیقت برای نخستین بار یک مدل یکپارچه تشخیصی از عکسبرداری تا تشخیص ضایعات دهانی با دقت قابل قبول معرفی شده است.کلیدواژه ها
الگوریتم های یادگیری ماشین، دسته بندی، استخراج ویژگی، ضایعات دهانیمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
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.