تشخیص و طبقه بندی سرطان سرویکس (دهانه رحم) به کمک تکنیکهای پردازش تصویر و شبکه های عصبی مصنوعی و بهبود کارایی با استفاده از الگوریتم پرندگان
- سال انتشار: 1398
- محل انتشار: ششمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: CECCONF06_031
- زبان مقاله: فارسی
- تعداد مشاهده: 1929
نویسندگان
کارشناس ارشد مهندسی برق- الکترونیک، استاد آموزشکده فنی و حرفه ای سما لاهیجان و سیاهکل
کارشناس ارشد مهندسی برق- الکترونیک، استاد آموزشکده فنی و حرفه ای سما لاهیجان و سیاهکل
دانشجوی دکتری مکانیک، عضو هیئت علمی آموزشکده فنی و حرفه ای سما لاهیجان
چکیده
زمینه و هدف: در این پژوهش روش جدیدی جهت تشخیص و طبقهبندی سرطان سرویکس (دهانه رحم) به دو نوع بدخیم و خوشخیم مبتنی بر شبکه های عصبی مصنوعی و الگوریتم پرندگان ارائه شده است. از بین تمام سرطان های ژنیکولوژیک، بدخیمی های تخمدانی و سرطان دهانه رحم و اندومتر بیشترین بحث های بالینی را به خود اختصاص دادهاند. امروزه با افزایش کاربرد تصویربرداری پزشکی در تجزیه و تحلیل ساختار بدن و تشخیص و کنترل میزان پیشروی بیماری در بدن بیمار، علم پردازش تصویر به صورت یک دانش مفید در خدمت پزشکی درآمده است. با توجه به اینکه عواملی مانند نویز می توانند باعث خراب شدن تصویر شوند، علم پردازش تصویر میتواند تاثیر تصحیح کنندهای بر این تصاویر مخدوش گذارده و منجر به تشخیص صحیحتر شوند. ورودی این سیستم، تصویر دیجیتال از سطح ضایعه و اطلاعات بالینی بیمار میباشد. مواد و روشها: روش کار به این صورت میباشد که ابتدا یک مرحله تکنیک های پیش پردازش جهت حذف نویز و افزایش کنتراست تصاویر اعمال میشود. سپس با شبیه سازی یک فیلتر، به حذف بازتابش نور از سطح ضایعه، کاهش تاثیر نویز، و همچنین کاهش سایه پرداخته میشود. در مرحله بعد با مرزبندی دقیق، به استخراج ویژگی های مناسبی پرداخته میشود. یکی از مهمترین پارامترهای شبکه عصبی، الگوریتم آموزش آن بمنظور بهینه سازی وزن های شبکه می باشد. در پایان عمل طبقه بندی با استفاده از شبکه های عصبی مصنوعی و الگوریتم پرندگان انجام شده است.یافته ها: پایگاه داده شامل40 تصویر میباشد که بیوپسی(بافتبرداری) در مورد آنها انجام شده و 20 تصویر مربوط به توده-های خوشخیم و 20 تصویر مربوط به تودههای بدخیم تشخیص داده شدهاند. این پایگاه داده از www.nccc-online.org جمع آوری شده است. نتایج نشان داد که بالاترین دقت مربوط به مدل شبکه عصبی با آموزش الگوریتم ازدحام ذرات میباشد. استفاده از شبکه عصبی و الگوریتم ازدحام ذرات باعث افزایش دقت آموزش و دقت تست و سریعتر شدن سرعت آموزش شبکه میشود. نتیجه گیری: نتایج حاصل از شبیه سازی، نشان دهنده سادگی و دقت بالای روش ارائه شده تشخیص و طبقه بندی سرطان سرویکس (دهانه رحم) است.کلیدواژه ها
سرطان سرویکس (دهانه رحم)؛ طبقهبندی؛ شبکههای عصبی ؛ الگوریتم پرندگانمقالات مرتبط جدید
- طبقه بندی صفحات وب برای بهینه سازی موتورهای جستجو با استفاده از مدل ترکیبی یادگیری عمیق
- تحول دیجیتال با قراردادهای هوشمند بر پایه فناوری بلاکچین
- تحلیل و شناسایی آسیبپذیریهای ناش ی از حملات شرایط رقابتی در برنامه های وب مدرن
- مروری بر الگوریتم بهینه سازی ازدحام ذرات و کاربردها
- بهینه سازی زمانبندی و ذخیره سازی نتایج وظایف در محیطهای مه-ابر با یادگیری تقویتی
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.