بررسی طبقه بندی سرطان سینه از تصاویر ماموگرافی براساس یادگیری عمیق
- سال انتشار: 1403
- محل انتشار: نوزدهمین کنفرانس ملی پژوهش های کاربردی در علوم برق ،کامپیوتر و مهندسی پزشکی
- کد COI اختصاصی: ECMECONF19_001
- زبان مقاله: فارسی
- تعداد مشاهده: 212
نویسندگان
۱- کارشناسی ارشد مهندسی پزشکی بیو الکتریک،دانشگاه ازاد اسلامی تبریز،ایران
چکیده
هدف اصلی ما در این مقاله تشخیص اتوماتیک سرطان سینه با استفاده تصاویرماموگرافی و یادگیری عمیق برای شناسایی سرطان سینه.در اینجا یک روش خودکار طبقه بندی تصاویر ماموگرافی به سه دسته عادی، خوش خیم و سرطانی ارائه شد که ابتدا تصاویر پیش پردازش و آماده سازی شد و سپس با استفاده از شبکه عصبی کانولوشن و یادگیری عمیق به کلاسهای مختلف طبقه بندی شد. روش ارائه شده را بر روی دادههای پایگاه دادهی DDSM تست کردیم. روش یادگیری عمیق یک روش مناسب برای استخراج خودکار ویژگی های تصاویر است که از آن میتوان برای طبقه بندی تصاویر پزشکی استفاده کرد. بانک اطلاعاتی به کار رفته شامل ۹۸۰ تصویر بود که از سه کلاس نرمال و بدخیم و خوش خیم تشکیل شده بود. شبکه کانولوشن به کار رفته دارای چهار لایه کانولوشن بود که در سه حالت ارزیاب شد. . در مرحله آخر دو کالی خوشخیم و بد خیم را با هم ادغام کردیم و نتیجه طبقه بندی به ۹۳.۶ بهبود یافت. بانک اطالاعاتی تصاویر مربوط به سرطان سینه با حجم بالامیتواند منجر به تولید و آموزش شبکه های عصبی مختص این بیماری شود که قادر به تشخیص و شناسایی تصاویر جدید با دقت بسیار بالا خواهد بود.. که شبکه فقط بر روی ناحیه برست متمرکز و ویژگی های آن را بتواند آشکار نمایدکلیدواژه ها
سرطان،سینه،ماموگرافی،یادگیری عمیقاطلاعات 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.