افزایش کیفیت تصاویر درماتوسکوپی ملانوما با استفاده مناسب از ضرایب موجک در ساختار یادگیری عمیق
محل انتشار: پنجمین کنفرانس پردازش سیگنال و سیستم های هوشمند
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 832
فایل این مقاله در 7 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SPIS05_022
تاریخ نمایه سازی: 7 بهمن 1398
چکیده مقاله:
در تشخیص مبتنی بر تصاویر بیماری ها، کیفیت مناسب تصاویر دقت تشخیص بیماری را افزایش می دهد. سرطان های پوست از شایع ترین سرطان های بدن انسان به شمار می رود و ملانوما یکی از خطرناک ترین انواع آن است. درماتوسکوپ وسیله ای غیرتهاجمی برای عکس برداری از آسیب های پوستی است. در این مقاله با استفاده از روش یادگیری عمیق به افزایش کیفیت تصاویر درماتوسکوپی پرداخته شده است. در روش پیشنهادی، تخمین ضرایب جزئیات موجک یک تصویر با رزولوشن بالا، با رزولوشن پایین انجام می شود. این تخمین با استفاده از شبکه SRCNN انجام می شود. استفاده از ضرایب موجک، امکان آموزش شبکه با تعداد نمونه های کمتر در زمان کمتر را میسر می کند. استفاده مناسب از این ضرایب و اعمال تغییراتی مناسب بر روی آن، ارتقای کیفیت تصویر نهایی را نیز به ارمغان آورده است که این کیفیت را با معیار PSNR می سنجیم. خروجیPSNR روش پیشنهادی برای چندین تصویر استاندارد 180.99 است درحالی که بهترین خروجی روش های پیشین بر روی این تصاویر44.02 است.
کلیدواژه ها:
نویسندگان
هاله فاتح
دانشجو کارشناسی ارشد هوش مصنوعی، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران
محمد تشنه لب
استاد تمام ، دانشکده برق و کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران
منصور فاتح
استادیار ، دانشکده برق و کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود