تشخیص پارامترهای بافت بدن انسان از روی تصاویر سی تی با استفاده از شبکه عصبی کانولوشن بهینه شده

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 13

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TAAPY04_045

تاریخ نمایه سازی: 8 اردیبهشت 1404

چکیده مقاله:

در این مقاله، بررسی و توسعه یک شبکه عصبی کانولوشن (CNN) انجام شده است که توانایی تشخیص پارامترهای بافت بدن انسان ازقبیل نوع بافت، چگالی، عمق و درصد عناصری سازنده بافت از روی تصاویر سی تی (CT).با دقت بالا دارد آموزش این شبکه توسط داده های شبیه سازی شده از بافت بدن انسان در کد هسته ای (MCNPX) و استخراج ویژگی ها یی که شامل تصاویر سی تی و پارامترهایی از بافت های مختلف بدن هستند، صورت گرفته است. نشان داده شده که CNN قادر است ویژگی های مهم بافتی را استخراج کرده و در تشخیص دقیق تر و سریع تر بیماری ها و شرایط پزشکی به کار رود. نتایج حاصل از این تحقیق، پتانسیل باالی استفاده از شبکه ها ی عصبی کانولوشن در پردازش تصاویر پزشکی و بهبود فرآیندهای تشخیصی را نشان میدهند.

کلیدواژه ها:

شبکه عصبی کانولوشن (CNN) ، تصاویر سی تی (CT) ، پارامترهای بافت بدن ، شبیه سازی کد هسته ای (MCNPX) ، پردازش تصاویر پزشکی

نویسندگان

جواد طیبی

گروه مهندسی هسته ای، دانشکده علوم و فناوری های نوین، دانشگاه تحصیلت تکمیلی فناوری پیشرفته، کرمان، ایران

محمدرضا رضایی

گروه مهندسی هسته ای، دانشکده علوم و فناوری های نوین، دانشگاه تحصیلت تکمیلی فناوری پیشرفته، کرمان، ایران