ارزیابی رویکرد تلفیقی شبکه های عصبی مصنوعی برای شناسایی و طبقه بندی توده های سرطانی

این تحقیق الگوریتم های یادگیری عمیق برای شناسایی و طبقه بندی تصاویر پزشکی را با ارائه رویکردی تلفیقی از شبکه های عصبی کانولوشنالوشبکه عصبی پرسپترون چند لایه معرفی می نماید. معیارها شامل چالش های تلفیق شبکه های عصبی کانولوشن با شبکه های عصبی پرسپترون چند لایه وگزینه ها شامل راهکارهای رفع چالش های مربوطه در نظر گرفته شد. به منظور انجام تحلیل از روش AHP استفاده گردید. نتایج تحلیل نشان داد میزان یادگیری الگو به صورت عمیق ، قابلیت یادگیری مدل های غیرخطی و سرعت پردازش داده ها به ترتیب با وزن گزینه های ۳۳۷/۰و ۲۱۹/۰و ۱۵۹/۰ به عنوان سه گزینه برتر می باشند. ارزیابی مقایسه ای یادگیری الگوهای توده های سرطانی شبکه عصبی کانولوشن و پرسپترون چند لایه و رویکرد تلفیقی دو شبکه عصبی مصنوعی بر حسب زمان نشان دهنده یادگیری دقیق تر و سرعت بیشتر مدل تلفیقی دو شبکه عصبی مصنوعی می باشد.

کلیدواژه ها:

الگوریتم های یادگیری عمیق ، روش AHP ، توده های سرطانی ، شبکه های عصبی کانولوشنال ، شبکه عصبی پرسپترون چند لایه .