|
|
تشخیص سرطان سینه با کمک ترکیب ویژگی های تصویر و شبکه عصبی عمیق
|
|
|
|
|
نویسنده
|
کیانی پیمان ,کاظمی احمد
|
منبع
|
اولين كنفرانس ملي پژوهش و نوآوري در هوش مصنوعي - 1402 - دوره : 1 - اولین کنفرانس ملی پژوهش و نوآوری در هوش مصنوعی - کد همایش: 02230-75197 - صفحه:0 -0
|
چکیده
|
تشخیص سرطان با کمک تصاویر پزشکی به دلیل دقت و وضوح بالایی که این تصاویر دارند، امکان پذیر است. این تصاویر میتوانند به پزشکان کمک کنند تا بتوانند ناهنجاریهایی را که در بافتهای بدن مشاهده میشوند تشخیص دهند و به سرطان یا بیماری دیگری اشاره کنند. یکی از روشهای پردازش تصویر برای تشخیص سرطان سینه، استفاده از شبکههای عصبی پیچشی (cnn) است. روش پیشنهادی یک شبکه عصبی عمیق است که در مرحله اول آن عملیات بهبود کیفیت تصویر با کمک تابع فورمولوژی انجام شده است. جهت کسب ویژگی از alexnet پایه استفاده شده است. برخلاف مدل پایه alexnet، در مدل پیشنهادی 11 لایه کانولوشن و مکس پولینگ به صورت پشت سرهم مورد استفاده قرار گرفته شده است و همچنین در انتهای شبکه عملیات اتصال انجام نمی شود بلکه، در انتها با کمک pca ترکیب ویژگی ها صورت گرفته شده است. استفاده از pca جهت ترکیب ویژگی دقت تشخیص حدود 99 درصد برای دو دیتاست موجود در بانک اطلاعاتی uci را نشان می دهد که افزایش حدود 1 درصدی نسبت به موارد مشابه می باشد.
|
کلیدواژه
|
سرطان سینه، ترکیب ویژگی های بصری، شبکه عصبی عمیق، تشخیص سرطان، مورفولوژی، تصاویر پزشکی
|
آدرس
|
, iran, , iran
|
پست الکترونیکی
|
ahmadkazemi_2006@ymail.com
|
|
|
|
|
|
|
|
|
breast cancer diagnosis using combination of image features and deep neural network
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|