یک رویکرد ترکیبی برای تشخیص زودهنگام بیماری های دستگاه گوارش با استفاده از تصاویر کولونوسکوپی مبتنی بر HCBP-DBN

در سال های اخیر، استفاده از تکنیک های هوش مصنوعی در پردازش تصاویر پزشکی، به ویژه در کولونوسکوپی و تشخیص ضایعات کولون، توجه زیادی را جلب کرده است. این مطالعه با استفاده از روش کیسه واژه ها (BOW ) برای استخراج ویژگی ها و تحلیل مولفه های اصلی (PCA ) برای کاهش ابعاد، دقت تشخیص را بهبود می بخشد. همچنین، با استفاده از خوشه بندی سلسله مراتبی و یادگیری بدون نظارت، الگوهای پنهان داده ها شناسایی می شود. نتایج نشان دهنده دقت ۹۸.۳۳٪، دقت صحت ۹۶.۸۳٪، یادآوری ۹۸.۶۱٪ و امتیاز F۱ برابر با ۹۷.۶۲٪ است، که اثربخشی مدل در تشخیص ضایعات کولونوسکوپی را تایید می کند. این تحقیق پیشرفت قابل توجهی در تشخیص بیماری های کولون از طریق تکنیک های پردازش تصویر و یادگیری بدون نظارت به شمار می رود.

کلیدواژه ها:

دستگاه گوارش ، کیسه کلمات ، یادگیری عمیق ، تحلیل مولفه اصلی(PCA) ، شبکه باور عمیق.