ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

دستهبندی تومور در تصاویر تشدید مغناطیسی پستان مبتنی بر شبکه عصبی کانالوشن بهبودیافته

سال انتشار: 1398
کد COI مقاله: THPC02_008
زبان مقاله: فارسیمشاهد این مقاله: 134
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

مشخصات نویسندگان مقاله دستهبندی تومور در تصاویر تشدید مغناطیسی پستان مبتنی بر شبکه عصبی کانالوشن بهبودیافته

مهشید رحیمی رستگار - کارشناسی ارشد مهندسی برق و الکترونیک، دانشگاه علم و صنعت ایران، تهران، ایران.
فضائل آیت الهی - دانشجوی دکترای مهندسی برق و الکترونیک، دانشگاه علم و صنعت ایران، تهران، ایران.
شهریار برادران شکوهی - استادیار گروه الکترونیک، دانشگاه علم و صنعت ایران، تهران، ایران.

چکیده مقاله:

مقدمه: سرطان پستان شایع ترین علت مرگ ومیر در زنان مبتلابه سرطان است به طوری که طبق آمار به دست آمده حتی در کشورهای توسعه یافته نیز از هر 8 نفر 1 نفر به این بیماری مبتلا می شود. استفاده از سیستم شناسایی خودکار در کنار پزشک می تواند درصد خطای تشخیص را کاهش دهد و باعث کاهش تعداد بافت برداری های غیرضروری گردد.روش کار: در این مقاله تلاش کردیم تا با توجه به دقت و حساسیت بالای تصویربرداری DCE-MRI از یک سو و مدل سازی دانش و مهارت پزشکان از سوی دیگر، یک سیستم CAD بر اساس فن شبکه های عصبی کانولوشن CNN برای ایجاد تمایز بین تومورهای بدخیم و خوش خیم در تصاویر DCE-MR سینه پیشنهاد گردد. به کارگیری شبکه ی عصبی کانولوشن و همچنین طراحی و ترکیب آن با ماشین بردار پشتیبانی (SVM) جهت تشخیص نوع تومور، جزء نوآوری های این تحقیق به شمار می آیند.یافته ها: شبیه سازی شبکه ی عصبی کانولوشن پیشنهادی برای حدود 100 ROI حاوی تومور خوش خیم و بدخیم، بهترین نتایج را در مرحله آزمون برای حساسیت 75%، برای دقت 81.2% و برای صحت حدود 84%، رقم زد و آنالیز ROC مقدار سطح زیر منحنی AUC 0.83 را نشان می دهد؛ که این نتایج حاکی از کارایی بالا روش به کاررفته است.نتیجه گیری: سیستم پیشنهادی با به کارگیری شبکه ی عصبی کانولوشن و همچنین طراحی و ترکیب آن با SVM در تصاویر DCE-MR سینه جهت تشخیص نوع تومور، جزء نوآوری های این تحقیق به شمار می آیند. نتایج در قالب مساحت زیر منحنی ROC و همچنین نرخ تشخیص شبکه بیان شدن که بسیار امیدوارکننده نیز بودند، تحقیقات در این زمینه و همچنین درباره سایر بدخیمی های پستان روش های پردازشی و دسته بندی کننده های مختلف در سال های اخیر انجام گرفته است.

کلیدواژه ها:

تصاوير تشديد مغناطيسي پستان، دسته بندي تومور، جداسازي تومور، شبكه كانالوشن، دسته بندي SVM

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/946000/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رحیمی رستگار، مهشید و آیت الهی، فضائل و برادران شکوهی، شهریار،1398،دستهبندی تومور در تصاویر تشدید مغناطیسی پستان مبتنی بر شبکه عصبی کانالوشن بهبودیافته،دومین همایش ملی فناوری اطلاعات و ارتقا سلامت،تهران،،،https://civilica.com/doc/946000

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، رحیمی رستگار، مهشید؛ فضائل آیت الهی و شهریار برادران شکوهی)
برای بار دوم به بعد: (1398، رحیمی رستگار؛ آیت الهی و برادران شکوهی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 21,008
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی