شبکه یادگیری عمیق U-Net بهبود یافته با خوشه بندی مبتنی بر الگوریتم ترکیبی سینوس کسینوس در تشخیص بیماری آلزایمر از تصاویر MRI مغز
- سال انتشار: 1403
- محل انتشار: بیست و پنجمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: CECCONF25_042
- زبان مقاله: فارسی
- تعداد مشاهده: 104
نویسندگان
دانشجوی دکتری هوش مصنوعی و رباتیکز – دانشگاه آزاد اسلامی واحد سمنان
چکیده
استفاده از مدل های یادگیری عمیق در پردازش تصاویر پزشکی در سال های اخیر توجه پژوهشگران بسیاری را به خود جلب کرده است. در این پژوهش، روشی نوآورانه مبتنی بر شبکه یادگیری عمیق U-Net برای تشخیص بیماری آلزایمر ارائه شده است. این روش از ترکیب خوشه بندی فازی-C میانگین با الگوریتم بهینه سازی ترکیبی سینوس-کسینوس و تکامل تفاضلی، در کنار طبقه بندی بر اساس تابع آنتروپی استفاده شده است. خوشه بندی فازی-C میانگین اطلاعات دقیقی از بخش های قطعه بندی شده تصویر فراهم می آورد. به منظور رفع مشکل گیر افتادن در بهینه محلی در فرآیند خوشه بندی، الگوریتم بهینه سازی پیشنهادی به کار گرفته شده است. برای نخستین بار، یک مدل بهبودیافته از U-Net با بهره گیری از این ترکیب ارائه شده است. روش پیشنهادی بر اساس تحلیل منحنی ROC و با استفاده از مجموعه داده معتبر ADNI شامل ۲۱۰ تصویر MRI مورد ارزیابی قرار گرفته است. نتایج نشان دهنده دقت روش های مختلف به ترتیب %۸۹.۵ برای شبکه عصبی کانولوشن، %۹۰.۵ برای U-Net، %۹۳.۳ برای PSO-FCM-U-Net، و %۹۷.۵ برای روش پیشنهادی SCADE-FCM-U-Net است.کلیدواژه ها
یادگیری عمیق، U-Net، پردازش تصاویرMRI، خوشه بندی فازی، الگوریتم سینوس-کسینوس، تکامل تفاضلیاطلاعات 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.