تشخیص ضایعات ام اس در تصاویر SWI با استفاده از مدل Faster R_CNN
- سال انتشار: 1397
- محل انتشار: سومین کنفرانس بین المللی مهندسی برق
- کد COI اختصاصی: ICELE03_311
- زبان مقاله: فارسی
- تعداد مشاهده: 636
نویسندگان
دانشگاه آزاد اسلامی واحد تهران شمال، دانشکده فنی مهندسی
دانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر
دانشگاه آزاد اسلامی واحد تهران شمال، دانشکده فنی مهندسی
دانشگاه کاشان، دانشکده مهندسی برق و کامپیوتر
چکیده
بیماری اماس شایع ترین بیماری التهابی سیستم عصبی مرکزی است، در مغز بیماران مبتلا به اماس بافت های مرده به نامضایعات اماس ایجاد می شود، هدف از انجام این کار تشخیص ضایعات در بیماران اماس در تصاویر SWI می باشد. بدین منظور برای تحلیل این تصاویر از شبکه عصبی عمیق کانولوشن استفاده می شود. با استفاده از مدل Faster R_CNN به تشخیصضایعات در تصاویر و طبقه بندی آنها پرداخته شده است و دقت خروجی 95 درصد بدست آمده است. نتایج نشان می دهد کهبا استفاده از مدل Faster R_CNN می توان ضایعات را با دقت بسیار خوبی تشخیص داد.کلیدواژه ها
بیماری اماس، تصاویر SWI، شبکه عصبی عمیق کانولوشن، آبجکت دتکشن، Faster R_CNNمقالات مرتبط جدید
- ارزیابی اقتصادی و زیست محیطی سناریوهای ترکیب انرژی تجدیدپذیر در برنامه ریزی تولید برق ایران تا افق ۱۴۱۰
- بررسی فناوریها و استراتژیها برای بهینه سازی مصرف انرژی و افزایش کارایی در شبکه های توزیع
- فناوری اطلاعات و ارتباطات سبز
- Hoo Controller Design for a Quadruple-Tank Multivariable System: Robust Performance via Weighted Sensitivity Shaping
- تاثیر حیاتی همبستگیهای آماری ضعیف بادبار بر قابلیت اطمینان سیستمهای قدرت: دیدگاهی فراتر از مدلهای سنتی
اطلاعات 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.